评价网 > 科教论文 > 工学毕业论文 > 计算机应用论文 > 正文

基于RBF神经网络的四声自动识别及应用(1)

2014-02-28 01:57 摘 要 本文利用一种快速声调识别方法，用一电平消波，降低采样率和线性插值形成快速基音提取，并应用RBF神经网络对四声进行自动分类。方法具有简单可靠和容差性等特征。 关键词 声调识别, 自动声韵切分, 基音提取, RBF神经网络1 引言 汉语是一个声调语言，正确的识别声调具有重要的意义。声调是汉语主要属性之一,正确的识别声调具有重要的辩义作用。声调识别对语音合成、识别和理解也有重要意义。近年国内外已报导许多声调识别方法[7][8][9]，都有很高的识别率，孤立字声调识别开始进入实用[10]。需要指出，某些方法缺乏模型描述，不能达到最佳效果。有的需先进行特征训练来建立训练模板，否则性能会下降，有些方法因计算复杂和计算量大使之难于实时处理。2 声韵切分的算法的实现 声母的音长比较稳定，不太因人而异[1][2]。因此，如果声韵切分准确，就可以对可靠的声母信息进行分析，从而得到良好的判别结果。 从语言学的角度来看，声母韵母之间有一定的界线，但在声学信号上这一界线并不很清楚。往往要采用专家系统的方法才能获得较为准确的分割，文献[3] [4]给出了人工方法切分的声母长度的分布情况。但是，一方面：有手工进行大量数据语音库的标注是一件费事而又枯燥的工作，长时间的连续的工作又会造成标注人员生理，心理的疲劳，从而在切分过程中引入不可预测的随意性误差；同时标注人员对语言学的理解和把握的不一致，经常是标注人员对自己的判断更为认同，自己的标注结果“更准确”。这样就引入了主题判断造成的倾向性误差，因而使得切分结果的可重复性无法得到保证，不同人所得的切分结果的可重复性就更差。另一方面，在自动语音判别系统中（普通话标准测试中），这一切分过程要求自动实现。目前尚没有一种供人满意的声韵切分的算法，大致的有用小波变换进行切分的[5]，有用声母音长分布[2]，有用基于多尺度分形维数的汉语语音声韵切分[6]，有用基于听觉模型的耳语的声韵切分。 汉语的22种声母中，除了零声母，l，m，n，r外，其余都是清辅音，根据这一特点，我们做出的声韵切分规则为：令音节的总长度为 ，声母类单元长度为 ，韵母类长度为 ，音阶中的清音段长度（或浊音起始位置）为 ，则（1） 式（1）意义是：把语音分割为声学单元和韵母单元两大类，声母单元的长度为Ti ，包括清音部分（可能没有， ）和浊音之间的一段过渡部分（固定长度）；韵母单元的长度为Tf ，它可能包含了从音节的浊音开始至音节结束的部分。图1（声韵切分的流程图） 韵母的音长Tf 的分布很宽，可能在150ms至1000ms内。声母单元的音长 Tf由Ton 和C两部分构成， Ton 为音节前端的清音部分（对零声母，浊声母， 可能为零）而C所表示的音长段对不同的声母具有不同的意义：(1)对零声母，C为韵母的头部分：（2）对于浊声母，C为声母的前面一段：（3）对于不送气爆破音，C包含爆破音及声韵过渡段，有时还包括了一部分喉结韵母的韵头部分：（4）对于其他声母，C包含了声韵过渡段，有时也包括一部分或声韵母过渡段。可见，清浊声母和零声母以外的声母而言，声母单元一段包含声母部分外，还包含了声韵过渡段，是声韵切分的流程图。（图1）图2 （七字）声韵切分效果图3 基音检测[10][11] 汉语声调信息载于音节的基音曲线上，并主要在韵母段，常用的基音检测自相关法具有物理意义明确和方法简便等优点，但其繁重的计算量影响在实时处理中的应用。为了提高计算速度和加快基音提取，本文采取下列措施。3.1 一电平中心消波 一般汉语基音频率下限可取60Hz(16.7ms)，自相关计算至少要包含两个完整的基音周期语音，实际只要选取的帧长为30ms，就可找出所有高于67Hz的基音频率。已有的中央削波法可以有效地解决声道响应的谐波影响。本文在此基础上提出一电平削波．图3为一电平削波函数。削波器输出在z(n)＜C1 时为0，C1 为分析帧中前后各100样点的最大值中较小的一个68%，自相关计算如下式：