信号处理
信號處理
신호처리
SIGNAL PROCESSING
2008年
4期
655-658
,共4页
张文林%屈丹%李弼程%王波%王炳锡
張文林%屈丹%李弼程%王波%王炳錫
장문림%굴단%리필정%왕파%왕병석
语言辨识%移位差分倒谱%段级特征参数%高斯混合模型%多元语言模型%支持向量机
語言辨識%移位差分倒譜%段級特徵參數%高斯混閤模型%多元語言模型%支持嚮量機
어언변식%이위차분도보%단급특정삼수%고사혼합모형%다원어언모형%지지향량궤
本文研究了一种结合"声学信息"和"音素配位学信息"进行语言辨识的新算法,首先在预处理中对语音进行自动分段,在特征层上引入带有长时信息的段级特征参数--段级移位差分倒谱,在模型层上利用高斯混合模型(Gaussi-an Mixture Model,GMM)将语音信号自动标识为符号序列,进而引入多元语言模型(Multi-gram Language Model,MLM)来对"音素配位学信息"进行建模,最后将"GMM得分"和"MLM得分"送入后端多分类支持向量机模型得到最终识别结果.相关实验表明,新系统不需手工标识的语料,识别速度快,对OGI标准语料库中的五种语言获得了开集正识率为78.84%的结果.
本文研究瞭一種結閤"聲學信息"和"音素配位學信息"進行語言辨識的新算法,首先在預處理中對語音進行自動分段,在特徵層上引入帶有長時信息的段級特徵參數--段級移位差分倒譜,在模型層上利用高斯混閤模型(Gaussi-an Mixture Model,GMM)將語音信號自動標識為符號序列,進而引入多元語言模型(Multi-gram Language Model,MLM)來對"音素配位學信息"進行建模,最後將"GMM得分"和"MLM得分"送入後耑多分類支持嚮量機模型得到最終識彆結果.相關實驗錶明,新繫統不需手工標識的語料,識彆速度快,對OGI標準語料庫中的五種語言穫得瞭開集正識率為78.84%的結果.
본문연구료일충결합"성학신식"화"음소배위학신식"진행어언변식적신산법,수선재예처리중대어음진행자동분단,재특정층상인입대유장시신식적단급특정삼수--단급이위차분도보,재모형층상이용고사혼합모형(Gaussi-an Mixture Model,GMM)장어음신호자동표식위부호서렬,진이인입다원어언모형(Multi-gram Language Model,MLM)래대"음소배위학신식"진행건모,최후장"GMM득분"화"MLM득분"송입후단다분류지지향량궤모형득도최종식별결과.상관실험표명,신계통불수수공표식적어료,식별속도쾌,대OGI표준어료고중적오충어언획득료개집정식솔위78.84%적결과.
