基于PCA和LDA的方言辨识.pdfVIP

2012年 第2l卷 第 5期 http：／／www．c-s-a．org．cn 计 算 机 系 统 应 用 基于PCA和 LDA的方言辨识① 何 艳，于风芹 (江南大学 物联网工程学院，无锡 214122) 摘 要：针对PCA没有有效利用样本的类别信息而导致方言识别率低的问题，采用PCA和LDA组合方法进行 特征提取。首先用PCA对普通话、上海话、广东话和闽南话四种方言进行降维，然后在降维后的空间中用LDA 进一步特征提取，最后将该特征向量送入 BP神经网络进行辨识。仿真实验结果表明，基于PCA和 LDA的方言 识别的平均识别率高达85％。 关键词：方言辨识：主成分分析；线性鉴别分析：BP神经网络 DialectIdentificationBasedonPCAandLDA HEYah,YUFeng-Qin (SchoolofInteractofThingsEngineering，JiangnanUniversity,Wuxi214122，China) Abstract：Inorderto solvethe low dialectidentificationratebecausePCA doesn’teffectively usehtesample classificationinformation,amethodoffeatureextractionusingPCAandLDAisemployed．Inthispaper,PCAisusedto effectivelyreducehtedimensionsofMandarin,Shanghainese，Cantonese，M innanese，nadhtenLDA isadoptedto extractfeaturevcetorsfrom htedmiension-rdeucde spaceaShteinputvectorswiht BPneuralnetworktorecognize．The SimulationresultsdemonstratehtathteaveragedialectidentificationratebaSedonPCA andLDACna beupto85％． Keywords：dialectidentification；PCA；LDA；BPneuralnetwork 方言识别在公安刑侦工作和语音识别技术的推广 从高维特征空间提取出具有辨别力的低维特征。文献 和应用中有着重要意义，已越来越受到相关领域研究 4【】采用 LDA特征提取方法在中文大词汇量连续语音 人员的重视。在方言辨识中，提取语音信号的特征至 识别系统中音节识别率达到 82．16％。文献 5【】证明了 关重要。主成分分析法 (PrincipalComponentAnalysis， LDA不仅可以应用在 PCA 降维后的空间中，并且通 PCA)是 目前常用的特征提取方法 ，此变换可以达到 过PCA降维可以使LDA散布矩阵的维数进一步减小， 降维的目的，且降维后能保存样本的主要信 ”。PCA 从而在一定程度上避免LDA的小样本问题，提高LDA 广泛应用与语音识别中，文献 2【】将语音信号分割为子 算法的可用性。 词后，对各子词单元 内各帧语音的特征矢量进行PCA， 因此，本文提出了PCA和 LDA相结合的特征提 且用DTW进行语音识别，识别率为90％左右 。 取方法，首先对普通话、上海话、广东话和闽南话四 PCA由于没有有效利用样本的类别信息，所以用 种方言的语音信号用 PCA方法进行有效的降维，然后 PCA算法得到的特征并不是最有辨别力的特征。线性 为了提取具有辨别力的低维特征，在降维后的空间中 鉴别分析 (LinearDiscriminantAnalysis，LDA)也是 继续用 LDA 进行特征提取，最后将该特征向量作为 通过求取一个变换矩阵再做线性转换来达到降维的 目 BP神经网络的输入来进行辨识。仿真实验结果表明， 的，但与 PCA不同的是，LDA使模式样本 内的分布 基于PCA和 LDA组合的识别率为85％，PCA方法的 凝聚而使样本间的分布疏远3【1。LDA算法的目