基于SPWD时频脊特征提取的汉语声调识别.pdfVIP

第３１卷第３期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．３ ２０１４年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１４ 基于ＳＰＷＤ时频脊特征提取的汉语声调识别 徐郑丹　于凤芹 （江南大学物联网工程学院　江苏无锡２１４１２２） 摘　要　　针对语音信号的非平稳性，采用ＳＰＷＤ（ｓｍｏｏｔｈｅｄｐｓｅｕｄｏＷｉｇｎｅｒＶｉｌｌｅｄｉｓｔｒｉｂｕｔｉｏｎ）将韵母语音信号在时频面清晰地表现 出来。不同声调语音的时频脊的变化特征不同。利用阈值和细化处理将ＳＰＷＤ时频矩阵转变成二值矩阵图像，利用Ｈｏｕｇｈ变换提 取脊线；而第三声时频脊是曲线，将Ｈｏｕｇｈ变换求取的线段用最小二乘法多项式进行拟合；在脊线段上等间距选取若干个点，将点集 和其一阶差分作为时频脊特征，利用高斯混合模型进行识别分类。仿真实验结果表明，该方法很好地对声调进行了识别，平均识别 率为８６．４８％，第二声识别率提高的幅度最大，提高了５．１８％；在不同的信噪比下，识别率最大可提高５．６２％。 关键词　　声调识别　平滑伪ＷｉｇｎｅｒＶｉｌｌｅ分布　时频脊　Ｈｏｕｇｈ变换　最小二乘法多项式拟合 中图分类号　ＴＮ９１２．３　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０３．０３８ ＣＨＩＮＥＳＥＴＯＮＥＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＳＰＷＤＴＩＭＥＦＲＥＱＵＥＮＣＹ ＲＩＤＧＥＦＥＡＴＵＲＥＥＸＴＲＡＣＴＩＯＮ ＸｕＺｈｅｎｇｄａｎ　ＹｕＦｅｎｇｑｉｎ （ＳｃｈｏｏｌｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｏｒｔｈｅｎｏｎｓｔａｂｉｌｉｔｙｏｆｓｐｅｅｃｈｓｉｇｎａｌｓ，ｗｅｕｓｅＳＰＷＤｔｏｃｌｅａｒｌｙｍａｎｉｆｅｓｔｔｈｅｖｏｗｅｌｓｐｅｅｃｈｓｉｇｎａｌｓｏｎｔｉｍｅｆｒｅｑｕｅｎｃｙｐｌａｎｅ．Ｔｈｅ ｖａｒｉａｔｉｏｎｆｅａｔｕｒｅｓｏｆｔｉｍｅｆｒｅｑｕｅｎｃｙｒｉｄｇｅｓｄｉｆｆｅｒｆｒｏｍｄｉｆｆｅｒｅｎｔｓｐｅｅｃｈｔｏｎｅｓ．ＷｅｕｓｅｔｈｒｅｓｈｏｌｄａｎｄｒｅｆｉｎｅｄｐｒｏｃｅｓｓｉｎｇｔｏｃｏｎｖｅｒｔＳＰＷＤ ｔｉｍｅｆｒｅｑｕｅｎｃｙｍａｔｒｉｘｔｏａｂｉｎａｒｙｍａｔｒｉｘｉｍａｇｅ，ａｎｄｕｓｅＨｏｕｇｈｔｒａｎｓｆｏｒｍｔｏｅｘｔｒａｃｔｒｉｄｇｅｌｉｎｅｓ．Ｂｕｔｔｈｅｔｉｍｅｆｒｅｑｕｅｎｃｙｒｉｄｇｅｏｆｔｈｅｔｈｉｒｄｔｏｎｅ ｉｓｃｕｒｖｅ，ｔｈｅｌｉｎｅｓｅｇｍｅｎｔｏｂｔａｉｎｅｄｂｙＨｏｕｇｈｔｒａｎｓｆｏｒｍｉｓｆｉｔｔｅｄｗｉｔｈｔｈｅｍｅｔｈｏｄｏｆｌｅａｓｔｓｑｕａｒｅｓｐｏｌｙｎｏｍｉａｌ；Ｗｅｓｅｌｅｃｔｓｏｍｅｐｏｉｎｔｓ ｅｑｕｉｄｉｓｔａｎｔｌｙｏｎｔｉｍｅｆｒｅｑｕｅｎｃｙｒｉｄｇｅｌｉｎｅ，ａｎｄｕｓｅｔｈｅｐｏｉｎｔｓｅｔａｎｄｉｔｓｆｉｒｓｔｄｉｆｆｅｒｅｎｃｅａｓｔｈｅｆｅａｔｕｒｅｏｆｔｈｅｔｉｍｅｆｒｅｑｕｅｎｃｙｒｉｄｇｅ，ｔｈｅｎｕｓｅ Ｇａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ（ＧＭＭ）ｔｏｃｏｎｄｕｃｔｒｅｃｏｇｎｉｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｖｅｒｙｇｏｏｄ ｔｏｔｈｅｔｏｎｅｒｅｃｏｇｎｉｔｉｏｎａｎｄｉｔｓａｖｅｒａｇｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｓ８６．４８％．Ｔｈｅｉｍｐｒｏｖｅｍｅｎｔｅｘｔｅｎｔｏｆｔｈｅｓｅｃｏｎｄｔｏｎｅ’ｓｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｉｓｔｈｅ ｈｉｇｈｅｓｔ，ａｓｈｉｇｈａｓ５．１８％．ＡｎｄｉｎｄｉｆｆｅｒｅｎｔＳＮＲ，ｔｈｅｍａｘｉｍｕｍｉｍｐｒｏｖｅｍｅｎｔｏｆｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｒｅａｃｈｅｓ５．６２％． Ｋｅｙｗｏｒｄｓ　　Ｔｏｎｅｒｅｃｏｇｎｉｔｉｏｎ　Ｓｍｏｏｔ