摘要
在汉语中声调承担着重要的辨意作用,相同声母和韵母构成的音节随着声调的不同而具有完全不同的意义。为了进行语音识别,需要把每小段语音进行切割分离提取需要的语音段。为此本文采用了短时过零率与短时能量相结合以及相连帧互相关的方法对语音进行切割并且做了一系列的实验。实验结果表明,本文方法能很好地切割浊辅音和元音,低噪声和语音段。 声调的特征可以用基音轨迹反应,所以对基音轨迹的提起关系带以后对声调的识别。本文提出基于自相关平方法与时域特性结合的方法提取基音频率,并运用阈值确定舍弃和替换以及与中值滤波和线性平滑相结合的方法对基音轨迹平滑处理的。由于序列长度不一,本文为了统一基音序列长度,又提出了通过插值和规整统一序列长度的方法,方便后期声调识别。 本文将仿生模式识别用于汉语声调识别,提出了基于仿生模式识别理论,通过动态聚类寻找覆盖区域及其区域中心,用多权值神经元覆盖的声调识别方法。同时分别采用小样本和较大样本的实验,实验结果表明,本文提出的基于仿生模式识别理论,通过动态聚类寻找覆盖区域及其区域中心,用多权值神经元覆盖的声调识别方法有良好的效果。 本文最后探讨了语音识别的建模基元,提出了基于声母,韵母和声调三元决策树模型并将该模型应用于孤立和孤立词字识别,取得了较好的效果。
NETL