基于多尺度分形维数的汉语语音声韵切分-清华大学信息技术研究院.PDF

( ) ISSN 清华大学学报 自然科学版 2002 年 第 42 卷 第 1 期 1938 CN 112223N 　 ( ) , 2002, . 42, . 1 6871 J T singhua U niv Sci T ech V o l N o 　 基于多尺度分形维数的汉语语音声韵切分 王　帆, 　郑　方, 　吴文虎 (清华大学 计算机科学与技术系; 智能技术与系统国家重点实验室, 北京 100084) 摘　要: 针对低信噪比环境, 提出一种汉语语音声韵母切分 字是一个音节, 所有的音节都具有“[ 声母+ ] 韵母” 新方法。以语音信号非线性产生机制中存在混沌特性为依 ( ) [ ]表示可选项, 下同 这种固定的声韵母结构, 即每 据, 将普通分形维数扩展为多尺度分形维数, 用于考察语音 一个音节中只有一个声韵母切分点。 信号在不同最大观测分辨率下的局部自相似性。利用稳定声 传统的汉语声韵母切分方法一般基于语音的短 韵母段及其之间过渡段在多尺度分形维数上的不同特性能 时参数或频域参数, 通过与设定的阈值进行比较或 较好地区分二者。由此针对汉语音节“声母+ 韵母”的结构特 者搜索特征参数变化最剧烈的区域来确定声韵母的 点设计了一种简单而高效的汉语语音声韵母切分方法。在干 净语音测试集下测试, 切分正确率为 95. 2% ; 在信噪比为 切分点。这些方法存在浊声母和韵母的切分效果不 ( 10 dB 的噪声环境下, 正确率达到 82. 3% 。 佳, 对语音环境条件 采样率、话筒音质、背景噪音、 ) 关键词: 声韵切分; 分形; 汉语语音识别 音量、说话人等 的鲁棒性差等缺点。 语音的产生过程是一个复杂的非线性非随机过 中图分类号: T P 391 文章编号: (2002) 文献标识码: A 程, 其中存在混沌机制, 这种混沌机制可以使用分形 理论来分析[ 1～ 3 ]