首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 314 毫秒

1.  支持向量机的汉语连续语音声调识别方法  被引次数:2
   傅德胜  李仕强  王水平《计算机科学》,2010年第37卷第5期
   声调信息在汉语语音识别中具有非常重要的意义。采用支持向量机对连续汉语连续语音进行声调识别实验,首先采用基于Teager能量算子和过零率的两级判别策略对连续语音进行浊音段提取,然后建立了适合于支持向量机分类模型的等维声调特征向量。使用6个二类SVM模型对非特定人汉语普通话的4种声调进行分类识别,与BP神经网络相比,支持向量机具有更高的识别率。    

2.  噪声环境下的汉语声调识别  
   顾明亮  夏玉果  王劲松《计算机技术与发展》,2007年第17卷第8期
   利用语音信号与噪声信号具有不同相关特性的特点,提出了一种新的加权自相关基频检测算法,该方法可以提高噪声环境下基音检测的准确性。在分类器设计方面,通过引入支持矢量机,进一步提高低信噪比下的汉语声调识别率。实验结果表明,新方法对提高噪声环境下的声调识别效果是十分有效的。    

3.  噪声环境下的汉语声调识别  
   顾明亮  夏玉果  王劲松《微机发展》,2007年第17卷第8期
   利用语音信号与噪声信号具有不同相关特性的特点,提出了一种新的加权自相关基频检测算法,该方法可以提高噪声环境下基音检测的准确性。在分类器设计方面,通过引入支持矢量机,进一步提高低信噪比下的汉语声调识别率。实验结果表明,新方法对提高噪声环境下的声调识别效果是十分有效的。    

4.  基于三音子模型连续语音声调识别方法  
   魏瑞莹  粱维谦《电声技术》,2011年第35卷第8期
   作为汉语语音识别的重要组成部分,声调识别具有关键的作用。提出了一种新的基于前后文相关的模型识别方法用以提高汉语连续语音中的识别率。首先介绍用于声调识别的基因轨迹的提取和处理,然后提出6种特征来描述基因轨迹的变化趋势并给出具体的计算公式,利用这些特征并考虑连续语音中前后音节的相关性对基因轨迹造成的变化而建立细分的声调模型,最后基于这种声调模型采用决策树的分类方法进行声调的识别和测试。    

5.  基于融合特征的短语音汉语声调自动识别方法  
   沈凌洁  王蔚《声学技术》,2018年第2期
   提出一种基于韵律特征(基频、时长)和梅尔倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)特征的融合特征进行短语音汉语声调识别的方法,旨在利用两种特征的优势提高短语音汉语声调识别率。该融合特征包括7个根据不同模型得到的韵律特征和统计参数以及4个从每个音段的梅尔倒谱系数计算得来的对数化后验概率,使用高斯混合模型表示4个声调的倒谱特征的分布。实验分两步:第一步,将基于韵律特征和倒谱特征的分类器在决策阶段混合起来进行声调分类,分别赋予两个分类器权重,计算倒谱特征和韵律特征在声调分类任务中的权重;第二步,将基于字的韵律特征和基于帧的倒谱特征结合起来生成融合特征的超向量,使用融合特征进行汉语声调识别,根据准确率、未加权平均召回率(Unweigted Average Recall,UAR)和科恩卡帕(Cohen’s Kappa)系数3个指标,比较并评估5种分类器(两种设置的高斯混合模型,后向传播神经网络,支持向量机和卷积神经网络(Convolutional Neural Network,CNN))在不平衡数据集上的分类效果。实验结果表明:(1)倒谱特征方法能够提高汉语声调的识别率,该特征在总体分类任务中的权重为0.11;(2)基于融合特征的深度学习(CNN)方法对声调的识别率最高,为87.6%,与高斯混合模型的基线系统相比,提高了5.87%。该研究证明了倒谱特征法能够提供与韵律特征法互补的信息,从而提高短语音汉语声调识别率;同时,该方法可以运用到韵律检测和副语言信息检测等相关研究中。    

6.  基于连续分布型HMM的汉语连续语音的声调识别方法  
   赵力  邹采荣  吴镇扬《信号处理》,2000年第16卷第1期
   本文介绍了基于连续分布型HMM的汉语连续语音声调识别方法,提出了一个适合于汉语连续语音声调识别的特征参数提取和识别方案.通过对汉语连续语音声调特点的分析,选择了8个音节单位的连续分布型HMM作为声调识别用基元模型进行识别试验,识别结果表明,10名话者1070个句子的连续语音声调识别的平均识别率是95.1%.    

7.  基于音节的三字词声调神经网络识别方法  
   钟金宏  杨善林  陶维青  徐士林《模式识别与人工智能》,2000年第13卷第4期
   汉语是音节声调语言,在连续语音合成和识别中加入声调信息有重要意义.本文对三字词声调按首字、中字和尾字音节进行特征提取,并结合声调的特点选取相应的隶属函数进行模糊化处理,结合神经网络技术进行音节声调和三字词声调识别,取得了较好的实验结果.该方法对连续语音识别中利用声调信息有参考价值.此外文中还给出了一种新的BP网络结构.    

8.  基于仿生模式识别理论的声调识别  
   王改良  武妍《计算机应用》,2010年第30卷第10期
   基音频率轨迹能比较真实地反映汉语普通话中的声调特性,通过识别不同的基音轨迹来识别声调,是一种较好的方法.根据仿生模式识别理论,提出用迭代自组织数据分析算法(ISODATA)寻找覆盖区中心,运用多权值神经网络对每个聚类中心实现覆盖的方法,实现四种声调的识别.通过实验与隐马尔科夫模型(HMM)和支持向量机(SVM)算法比较,在少量样本的情况下,能得到相对较高的识别率.    

9.  基于多空间概率分布的汉语连续语音声调识别研究  
   倪崇嘉  刘文举  徐波《计算机科学》,2011年第38卷第9期
   汉语是一种带声调的语言,声调信息在汉语语音识别中具有非常重要的意义。提出了emt}eaaea声调模型与explicit声调模型相结合的方法用以识别汉语连续语音的声调。该方法能够将逐帧的基频信息和较强时长的基频信息相结合来识别声调。在“863-Test”和“TestCorpus98"测试集上的实验表明,该方法分别能够达到96. 12%和93.78 %的声调识别正确率。    

10.  基于改进神经网络的三字词声调识别方法  
   郑燕琳  许星宇  杨晓炯《电声技术》,2010年第34卷第5期
   汉语连续语音三字词声调由于受声道响应、音连、变调规律等的影响,情况较复杂,声调模式间交集大,模糊性强。提出了一种基于动态时间规整和改进神经网络的声调识别算法。实验表明,该算法可得到较好的识别效果,对探讨具有汉语特色的新的语音识别方法有重要意义。    

11.  汉语三字词声调的模式分析  被引次数:4
   陶维青 徐士林《中文信息学报》,1998年第12卷第3期
   汉语三字词的声调模式是复杂的。本文对4 男4 女各192 个三字词的声调进行分析,选择各音节的头尾差和相对调位比为特征,在进行特征抽取、统计和分析的基础上,研究了三字调整声调的模式和变调规则。本文的结果对三字词和连续语音声调的识别具有重要价值。    

12.  汉语四声与日语高低音的比较研究  
   《Planning》,2014年第27期
   日语单词的读音「アクセント」在我国日语教学中一般翻译成声调。日语的声调属于高低声调,与汉语的四声既有相似,又有区别。本文对中日声调进行了对比分析,希望能让中国的日语学习者更准确的把握日语声调的变化。    

13.  对外汉语教学中的声调问题研究  
   《Planning》,2015年第9期
   <正>在汉语作为第二语言教学中,声调问题一直都是一个难点。是许多汉语学习者面临的最大障碍。本文在前人研究的成果基础上,分析了声调问题出现的原因,提出了一些对外汉语教学中声调教学的方法并指出了教学中存在的一些问题。希望能引起人们对声调的广泛关注和重视,从而更好地指导对外汉语教学。语音是语言的物质外壳,是各个语言系统最外在的形式特征所在。语音的重要性决定了语音是第二语言教学的基础,任何语言教    

14.  换种角度看汉语声调和语调的关系  
   《Planning》,2015年第6期
   本文从汉语声调、语调加工的偏侧化研究,以及语言训练对汉语声调、语调加工偏侧化作用的研究这几个方面,对近年来以脑认知技术为研究手段的汉语声调和语调研究进行了梳理和总结,以期从语言神经机制研究的角度重新审视汉语的声调和语调问题。    

15.  汉语声调识别中的基音后处理方法  
   周韡  梁维谦  刘润生《桂林电子科技大学学报》,2008年第28卷第3期
   汉语是一种带有声调的语言,声调信息主要体现在韵母的基音轨迹中,但是由于提取的基音不够稳健,所以必须要对基音进行后处理.通过归纳以帧为单位和以韵母为单位的两类基音后处理方式,并在第一种方式中提出基于韵母平均值进行归一化算法,在第二种方式中提出了帧叠靠前和帧叠靠后的韵母四等分长算法,经实验结果(以标准HTK为平台)得出后者更优的结论.考虑到前后声调的影响,采用声调三音子模型进行声调识别测试,可以比单音子模型识别效果提高10%左右.    

16.  以第一语言为英语的成年人汉语声调调查——以上海市为例  
   《Planning》,2015年第21期
   声调学习是汉语学习中的一个关键内容。通过对以英语为第一语言的成年人进行了汉语声调调查,归纳了调查对象在汉语声调发音中出现的偏误,分析了调查对象在汉语声调发音中出现声调偏误的类型,最后对以英语为第一语言的的汉语学习者的声调教学提出几点建议。    

17.  声谱图在汉语普通话声调识别中的应用  
   《信息通信》,2017年第7期
   针对汉语普通话声调的识别,采用声谱图表示声音频率信息的方法代替传统比较单一的特征提取,同时基于巨量数据和深度学习的方式,获得了可观的识别率。声调的频率特性以及不同频率之间的空间结构在声谱图中均可以得到很好的表示,同时利用深度学习中卷积神经网络模型,对声谱图进行训练学习,获取与声调相联系的大量频率特征,进而使得声调识别率得到提高,其中在验证样本集合数量为96511时,识别率为98.5%。    

18.  基于声学特征的母语非汉语者声调研究  
   《声学技术》,2018年第6期
   从提高满足少数民族普通话高自然度语音合成与高精度语音识别的实际应用需求出发,首次从实验语音学的角度对初级、中级和高级阶段的50名维吾尔族汉语学习者与10名母语为汉语普通话的说话人声调的一阶差分与时长以及相似度进行对比,并对其声调的一阶差分模式、声调时长等韵律参数进行了实验分析,得出维吾尔族学生对汉语声调的偏误情况以及与中国少数民族汉语水平等级考试(Master of Human Kinetics, MHK)成绩的关系。通过实验结果可以发现,三组维吾尔族人学习普通话的声调都有困难。两种语言的音系,语调和重音等特性影响了第二语言中的声调特性。归纳了维吾尔族学习者声调的基本声学特征,总结出了一些重要的规则和结论;为解决给汉语语音处理带来的困难,尤其是少数民族汉语的语音合成和语音识别方面的声调问题,提供了重要的参考依据。    

19.  利用上下文和基频提高汉语连续数字串识别性能  
   程雪林  吴开政  李宗葛《计算机工程与应用》,2003年第39卷第23期
   该文介绍了如何利用三音子模型和基频信息来提高汉语连续数字串的识别性能。三音子模型考虑了前后语音协同发音的影响,将上下文考虑到模型中去,可以更好地描述连续语音;各个音节的基频是随时间而变化的,其不同轨迹构成了声调,利用基频信息进一步提高了对汉语连续数字串的识别率。    

20.  论日语语音教学中声调的重要性及其教学方式  
   《Planning》,2016年第32期
   在私人场合,日本人对外国人的日语声调有一定的宽容度。但是通过调查显示,在公众场合,日本人对外国人的声调要求就会提高很多。就此问题,文章对日语声调和汉语声调的区别进行分析,提出了学生当中普遍存在的日语声调错误特征以及改正日语声调错误的教学方式。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号