基于混合特征参数和BP_Adaboost的方言辨识.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 基于混合特征参数和BPAdaboost的方言辨识 彭湘陵，钱盛友 ，赵新民 PENGXiangling，QIANShengyou，ZHAOXinmin 湖南师范大学 物理与信息科学学院，长沙 410081 CollegeofPhysicsandInformationScience，HunanNormalUniversity，Changsha410081，China PENGXiangling，QIANShengyou，ZHAOXinmin．ChinesedialectsidentificationbasedOilmixedcharacteristicparame— tersandBP Adaboost．ComputerEngineeringandApplications，2013，49(3)：152-155． _ Abstract：A kindofmodelcombiningtheBPneuralnetworkwiththeAdaboostiSproposedtoidentifyisolatedwordsofHunan dialectspeaker-independentlyinthispaper．Inordertoreflectthedynamicpropertiesofdialectsandthecharacteristicsofvocal tract．LPCC，M FCC andtheir first—orderdifferentialcoefficientsarecombinedtogetherasdialectscharacteristiccoefficients． MultipleBPneuralnetworksareusedasweakclassifiersfordialectinitialidentification．andthenastrongclassifierisconstructed from theseweakclassifiersbasedonAdaboostiterationalgorithm toobtainthefinalidentificationresults．Theexperimental resultsshow thatthishybridmodelhasstrongerrobustnessandhigherrecOgnitionratethanthepureBP neuralnetworkunder relativelylOW signaltonoiseratio． Keywords：dialectsidentification；mixedcharacteristicparameters；auto—adaptedBoosting；BackPropagation(BP)neuralnetwork 摘 要：着眼于非特定人孤立词湖南地区的方言辨识，提出一种将BP神经网络和Adaboost算法相结合的辨识模型。为反 映方言的动态特性及其声道特性，采用LPCC、MFCC和各 自一阶差分系数相组合作为方言特征系数。利用多个BP神经 网络作为弱分类器对方言进行初步辨识，借助Adaboost迭代算法将这些弱分类器组合起来构成强分类器，得 出最终辨识 结果。实验证明，该混合模型较单纯的BP神经网络具有更强的噪声鲁棒性和较高的识别率。 关键词：方言辨识；混合特征参数；自适应Boosting；反向传播 (BP)神经网络 文献标志码：A 中图分类号：TP3l1 doi：10．3778／j．issn．1002．8331．1107—0127 l 引言 够反映语音频谱时间变化的倒谱系数及其差分系数作为 汉语方言的计算机辨识是利用现有的计算机技术对 特征参数，以BP_Adaboost强分类器为主体，最终实现非特 方言信号进行分析 ，并 自动辨识说话人的方言属性 ，据此 定人孤立词的湖南方言辨识 。 来辨识方言所属地域的一项新兴技术。中国地域辽阔，各 地的汉语发音有着明显的差异，当前有关方言辨识的文章 2 语音特征参数的提取 较少 ，该领域的研究对语音识别技术的推广应用具有重要