基于DIVA模型的中英文发音方法研究-模式识别与智能系统专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除 了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获 得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被 查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等 复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登） 授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 具有语音生成和获取能力的 DIVA(Directions Into Velocities of Articulators)模 型是以英文的 29 个基本音素为研究对象的神经计算模型，但这样会使模型不能 适应于其他的语言，具有一定的局限性。本文研究的目的是将该模型的理论扩展 至其他语种，如相较英文更为复杂的中文发音。由于中英文的音素数目和发音脑 机制均相差甚远，原有的模型只适用于英语者的脑机制，只能对英语元音进行发 音，且原始的学习训练算法不能很好地识别中文发音，故本文在原始模型的基础 上进行改进使之适用于中文发音。 本文首先简述了 DIVA 模型的基本原理和两个学习阶段，探讨了汉语复合元 音的声学特性，并展示其共振峰频率走势图。在已知英文辅音/r/与/l/的辨别结论 以及英文元音听觉感知空间理论的基础上，深入研究中文元音的发音及感知空 间。在模型发出汉语单元音的基础上，通过改进 DIVA 模型的训练学习算法，调 整训 练参 数，结 合隐 马尔 可夫和 神经 网络的 混合 模型 以及共 振峰 提取方法 (Linear Prediction and Mel Frequency Cepstrum Coefficient, LPMCC) 研究 DIVA 模型中汉语复合元音的发音。最终证明了改进后的 DIVA 模型在英文 元音发音的基础上不仅可以学习中文单元音，而且也适用于中文复合元音的发 音。 本文的研究为今后应用 DIVA 模型进行汉语语音生成与获取奠定了良好的 基础，未来还可将其拓展至汉语所独有的发音（如辅音/zh/、/ch/、/sh/等）。 关键词：DIVA 模型 ，复合元音发音 ，隐马尔可夫模型 ，神经网络 ，LPMCC I Abstract DIVA (Directions Into Velocities of Articulators) model is Neural computing model, with speech production and acquisition capability, takes 29 basic phonemes in English as research background. However, it makes the model not adapt to other languages and then brings limitation. This paper aims to expand the model theory to other languages, such as Chinese pronunciation that is more complicated than English. Due to the big difference of the number of phonemes and pronunciation brain mechanism between Chinese and English, the original model only applies to the brain mechanisms of English speakers and produces English vowels. And the original training and learning algorithm of the model doesn’t recognize Chinese pronunciation well. Therefore, this paper improves the original and makes it s