普通话孤立字的声调识别.PDFVIP

Vol. 5 No.10/ Otc. 2011 普通话孤立字的声调识别 李伟浩 王岚 摘 要  声调识别是汉语语音识别的重要部分。本文是基于支持向量机(SVM)的孤立字声调识别，在自相关域采用一种鲁 棒性算法提取基音频率[1]，再根据语音声调的基音频率特征提取了6个特征作为识别的特征向量。在没有对说话人训练的条 件下，声调识别率达到95.97%。 1 引言 一个音节，不同说话人的基频曲线是不一样的。而 汉语是一种有声调的语言，有四个声调(阴平、 声调在基音频率轮廓的表现可以用赵元任先生独创 阳平、上声、去声)，即我们常说的一二三四声。 的”五度制”标记法表示，如图1(左)所示，但在现 它表现在音节高低升降，主要由音高决定。对于初 实中受环境、情绪等因素的影响，实际提取的基音 学汉语者来说，声调是一个难点。因为声调包含了 频率却有点差异，如图1(右)所示。 非常重要的信息，起到辩义的作用；对于同样的音 从图1可以看出四声调的基频曲线有如下特征： 节，会因为声调的不同而具有完全不同的意义，例 如：灰(hui1)、回(hui2)、悔(hui3)、会(hui4)。声调 1、 阴平的基频曲线较平坦，存在小扰动，且频率 在语音识别与合成中也起到非常重要的作用。在语 较高； 音识别中，声调信息可以提高语音识别的精度和速 2、 阳平的基频曲线为上升型，前端有可能出现下降； 度；而在语音合成中，声调可以使合成语音更有韵 3、 上声的基频曲线为降升型的，其拐点大致居中。 律感。 4、 去声的基频曲线为下降型的，且其时长一般都 根据目前国内外关于汉语声调识别的研究可 比其他三个声调要短。 知，汉语声调识别与语音信号的频率，时域振幅包 络和精细结构，刺激速率，持续时间有着密切相 本文声调识别识别过程基本上就分为语音信号 关。而近年来，许多学者利用声调与基音频率之间 的预处理、基音频率检测、提取基频特征、分类识 [2] [3,4] 别。其结构框图如图2所示： 的关系，提出了包括隐马尔可夫 、神经网络 、 [5] [6] 决策树 和支持向量机 等声调识别的方法。基本 上这些方法提取的特征都是基于基音频率的轮廓信 语音 预处理 基频 信号 检测 息，但到目前为止，还没有一种可靠的方法可以非 常精确地提取出基音频率，这就使得声调识别变得 困难；而且在汉语中一个音节对应着一定的音调， 训练 而音调的高低是没有绝对的，只是相对的，即对同