语种辨识和说话者辨识建模方法研究.docVIP

江苏师范大学物理与电子工程学院 本科毕业论文(设计)开题报告 题 目：语种辨识和说话者辨识的建模方法研究 学 生 姓 名： 学 生 学 号： 所 学 专 业： 班 级： 指 导 教 师： 一、选题目的、意义及研究现状 引言: 语音识别技术的发展 起步期：50——60年代 1952年，Bell实验室的Davis、Biddulph和Balashek利用共振峰特征实现世界上第一个十个英文数字的语音识别系统——Audry系统。 发展期：60年代末期——70年代 动态规划（DP）的方法的提出。线性预测编码（LPC）引入语音识别，动态时间规整（DTW）在语音识别领域得到全面的发展。MEL倒谱特征的提出。 突破期：80年代 首先是HMM技术用于语音识别，现在已经成为语音识别的核心技术之一，另一个重要成就是以N元文法为代表的统计语言模型在语音识别中得到广泛的应用，到了80年代末期，由于声学模型和语言模型研究的进展， 80年代另一个引人注目的动态是人工神经网络在语音识别领域的应用。 成熟期：90年代至今 语音识别技术从实验室走向实用，并且出现商品化的系统，其中包括IBM公司的ViaVoice系统，Dragon公司的Naturally Speaking，剑桥大学的HTK系统，Microsoft的Whisper等 语种辨识和说话者辨识的建模方法研究 1）语种辨识 语种辨识是通过分析一个语言片段以判别其所属语言的语种。最初的方法有基于滤波器组的提取声学特征方法，共振峰矢量量化方法等。House和Neuburg最早提出用不同语言的不同音素规范建立语言模型来辨识语种的方法。后来他们又用有限状态模型来研究广义音素集中转移概率。随着语音处理技术的提高，人们又提出了更多复杂的方法，包括矢量量化（VQ）方法、隐马尔可夫模型（HMM）方法、神经网络（NN）方法等。 2）说话者辨识 说话者辨识的研究起步较早，从20世纪30年代就有人开始研究，目前说话者识别的研究重点集中在说话人个性特征的分离提取、个性特征的增强、对各种反映说话人特征的声学参数的线性和非线性处理以及新的说话人模式匹配方法上，建模方法主要有动态时间规整（DTW）、矢量量化方法（VQ）、隐马尔可夫模型（HMM）方法、神经网络（NN）方法。 选题依据和意义： 汉语语音识别经过40多年的发展,已经开始向实用化的方向转换,但汉语方言分布广泛，各地的方言口音的差异严重影响了语音识别技术的推广，我们通过研究汉语方言辨识来判别不同说话者的方言区域，然后用各方言模型来识别说话的内容，这样能提高识别效果。 国外研究较多的是语种辨识，而汉语方言间和国外一些语种在声学上的差距类似，因此，我们可以借鉴语种辨识的建模方法来研究汉语方言辨识的建模。 汉语方言辨识的统计建模为语音识别的建模研究提供了一条新的思路，同时通过考察汉语方言在声学模型和语言学模型，我们可以制定汉语方言的模型，这为汉语方言的分区研究提供了量化的准则。 前人的工作: 1、汉语方言辨识的传统方法 传统的方言辨识主要依靠人耳的听辨，当然辨识方言的人都是经过一定训练的专家，而且局限性很大，一般即使很熟练的专家在听辨方言也不可能对每种方言都很熟悉。 用传统语言学知识建模的另一个弊端是有些知识是针对人来研究的，计算机不好表示，无法作出相应的程序通过计算机来识别方言。 但传统的方言学中归纳的方言区别特征对我们有一定的借鉴意义，如方言学中有几条划分方言的标准各方言入声的差异、元音的长短和声韵母的组合等，可以作为先验语言知识，建立语言模型，加入到系统中，提高系统的识别效果，减少训练量。 2、基于统计的方法 基于统计的方法可以通过在大型的语料库中训练来找出方言之间的区别性的特征，包括声学特征和语言学的特征，然后根据这些特征建立相应的各种方言的模型。用统计的方法可以快速准确的建立方言模型，只要对几种方言能够适用，那对更多的方言也同样适合，具有很强的可移植性，另外基于统计的方法还可以进行大规模的推广。 3、国内外研究的现状 国外的方言辨识研究主要有[ITT ] K.-P.Li和[MIT Lincoln Laboratory] Ma