BJD—I汉语理解系统的语声处理

BJD—I汉语理解系统作为一铁路客运服务系统,由语声处理、语言处理、语声应答这三大部分组成。本文论述BJD—I汉语理解系统的语声处理。在介绍语声处理部分基本构成及性能的基础上,提出了一种用于准连续语音音节分割的最大共振峰检测算法MFDS和一种新的快速动态规划匹配算法FSDP.并由实验证明,MFDS算法使准连续语音音节分割正确率达到98%以上。而FSDP同Sako提出的最佳DP算法相比,不仅具有相同的识别精度,而且,模式匹配速度快一倍以上。     

基于分形维的连续语音实时分割技术

为能准确有效地判断出连续语音中各个音节的起止点,提出了一种改进的分形维计算方法,该算法将插值分形维的步长因子进一步精确到采样频率的数量级上,先求出语音分形维的最小二乘能量轨迹,再差分求其动态特征;在此基础上,设计了连续语音的两级搜索实时分割算法,并进行了基于DSP的硬件系统实验。结果证明,该算法较好地实现了语音段的实时分割和汉语音节切分,鲁棒性好,使得系统在信噪比为0 dB时音节分割准确率仍可保持在一个较高的水平上。最后开发了一个在线汉语语音标注器,借此阐述了论文工作在语音识别方面的应用。     

用语音动态谱特征实现连续汉语语音按音节的自动分割

本文通过对汉语语音的特性分析,及各类音素的DFT谱特性,特别是清/浊音的DFT谱差异的研究,概括出了可用于连续语音音节分割的两个相对最佳的动态特征;同时,提出了动态特征曲线极小值区域分布情况的一种定量描述方法——凹谷函数描述法。在这些研究的基础上,本文给出了一个具体的分段算法。实验验证表明,本文的分段方法对连续汉语语音的音节分割是有效的。最后,本文将这种方法应用到语图分析中,并首次实现了连续语音动态语图按音节的自动分割。     

BP网络与汉语语音的声韵母分割

众所周知，传统算法在实现汉语语音的声韵母分割方面存在着很大的困难，这主要是因其处理方法从本质上讲属于一种线性映射，故在处理声韵母分割这一类非线性问题方面有其局限性．为此本文提出并实现了一种基于BP人工神经元网络的汉语语音声韵母分割算法。计算机模拟实验结果表明，该算法只需对极少数典型音节进行简单训练，便可实现汉语语音的声韵母分割且分割精度远大于传统算法所能获得的精度。     

调型作预处理器的普通话双音词识别方案

基于超音段信息在语音感知中的显著作用。本文提出了一种新颖的汉语双音节词(二字词)识别方案。首先将输入语音调型进行时、频归一化处理,并将其和参考调型匹配;再对由此得到的候选集进行精确的谱匹配。在这步处理中结合了动态能量信息,并采用了修正的动态规划算法。实验结果表明,这种方案对于高混淆性汉语二字词识别十分有效。     

基于模糊粗神经网络的汉语声韵母切分

针对汉语连续语音,提出一种声韵母切分方法.根据扩展的声韵母为识别基元.采用汉语音节的重叠音素分割策略,利用模糊粗神经网络进行声韵母自动切分.实验室实验证明了该方法进行音节分割的有效性和合理性.     

用1/3音节作匹配基元研究汉语单字音识别[Ⅱ]

本文根据文献[1]提出的1/3音节作匹配基元识别汉语单字音的方法,进行了声母加音征部分的识别工作,并完成了1/3音节识别法的综合实验。结果表明:以声母加音征作匹配基元来识别汉语辅音有独特的优点,基本克服了辅音分割及无合适的发音模型的困难。我们发现1/3音节识别法基本保持了音素识别法运算量小和音节识别法识别率高的特点。其匹配运算量仅为音节识别法的5％,而识别率则同音节识别法相近,即对小字库可达93.6％。我们认为对1/3音节识别法继续进行研究是有价值的。     

用1/3音节作匹配基元研究汉语单字音识别[Ⅰ]

本文通过对汉语语音特点的分析,结合数字信号处理的有关理论,提出了用1/3音节作匹配基元进行汉语单字音识别的方法。它是按汉语音节结构将单字音分成三个匹配基元进行识别的,然后再把结果相拼组成单字音。这种方法介于音素识别和音节识别之间。小字库(104个音节)实验表明:该方法基本上保持了音素识别法的运算量,存贮量低的优点:同时也保持了音节识别法的识别率较高的优势,是一种值得探索的方法。本文主要介绍该方法的原理及韵母识别部分的实验结果。     

基于状态码本的准连续隐马尔可夫模型

本文针对经典HMM模型对训练数据要求多且算法复杂的问题，提出了一种改进的模型一基于状态码本的准连续HMM模型（SCBHMM），该模型在有限训练数据的条件下能更加有效地描述语音信号的声学特征．通过将状态转移概率与动态谱变化量相关联，使得SCBHMM能有效地将语音信号的静态特征和动态特征相结合．通过在标准语音数据库USTC94上的大量实验表明了SCBHMM在汉语音节识别中的有效性，它缓减了模型对训练数据的要求，并大大降低了训练、识别的计算量，但同样取得了相当高的识别率．     

基于词片的语言模型及在汉语语音检索中的应用

在汉语语音检索研究中,为充分利用汉语中音节相互搭配的语言学知识,提出了一种新的汉语语言模型构造基元--"词片"(word fragment),研究了最佳词片选择算法.汉语语音识别实验和语音检索实验表明,采用基于词片的语音模型后,音节正确率有所提高,并取得了更好的语音检索性能.     

利用韵律信息的CHMM连续数字语音识别

提出了一种结合韵律信息的高性能汉语连续数字语音识别算法,该识别算法基于CHMM(连续隐马尔可夫模型),采用MFCC(MEL频率倒谱系数)为主要语音特征参数,结合韵律信息进行连续数字精确分割,能够有效区分易混数字。算法采用两级识别框架来提高语音识别率,其中,第1级对连续数字分割,在此基础上进行数字语音识别,输出各候选结果,第2级在候选结果中确定易混数字对,并运用韵律信息进一步选择正确结果。实验表明,最终汉语连续数字语音识别率有很大提高。     

用反馈式语音识别理解方案进行汉语地名的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语音节转换成正确的汉字，与汉语语音识别系统一起，完成一个语音-文本（SpeechtoText）的转换系统。本文利用一个有别于语音理解传统方法（1．语言学方法[1]，2．统计学方法[2])的新的反馈式语音理解方案进行汉语地名的识别理解，获得了很好的实验结果。本文最后对实验结果和反馈式语音识别理解方案进行了讨论。     

汉语连续语流的重音自动标注研究

重音是语音合成、语音识别、语音情感识别中表征韵律信息的一个重要参数,对提高语音合成系统的自然度、语音识别系统的准确率、语音情感识别系统的正确率等有着重要的作用.基于汉语双模情感语音数据库(ChineseDual-mode Emotional Speech Database,CDESD),采用改进的双门限判决法对连续语音进行音节分割,将音节的声学相关特征作为输入,数据库中人工标注的重音信息作为监督,建立了基于神经网络以及支持向量机(Support Vector Machine,SVM)的两种重音预测模型.实验表明,基于SVM的重音预测模型具有更好的分类效果,在CDESD能够获得82.89％的识别率.     

全音节连续汉语语音识别的研究

在大词汇量连续汉语语音识别的研究中，我们根据汉语语音自身的特点，选用全音节作为识别单元，与音对文法相结合，以期达到实现大词汇量语音识别的目的．实现连续语音识别时，不需预先切分音节，而使用帧同步型网络搜索算法并在搜索中予以音长控制，用180句未训练过的任意词组成的无文本约束的连续语句对系统进行测试评估，获得了40.40％的音节识别率．     

汉语第零声的声调特征研究

汉语普通话是一种带声调的语言,声调信息在汉语连续语音识别中具有非常重要的作用。传统的连续语音声调识别算法一般只研究阴平、阳平、上声、去声的声调特征,却很少讨论第零声（即轻声）的声调特征。利用归一化自相关函数法研究了轻声音节基频轨迹的特点,并给出了可用于识别轻声音节的一些基本声调特征。     

汉语语音正弦模型特征分析和听觉辨识

为了研究汉语语音的声学特征,将语音信号的正弦模型应用于语音的特征提取和分析,通过对语音的模型参数应用峰值匹配算法,得到了基于正弦模型的语谱图.该语谱图能直观地反映出语音信号中基音频率及共振峰的细节及其变化规律,为语音信号的分析提供了可视化的工具.在此基础上,对汉语单韵母音节的前两个共振峰进行了分析,在控制使用少数几个主...     

一种具有时间紧缩算法的汉语连续字识别系统

本文描述了一种具有时间紧缩算法的汉语连续字识别系统。在文献[1]工作的基础上,改进了端点检测和字串分割的方法,并利用汉语语音短时平均零交叉率的统计特性,对被识别字的时宽实行紧缩处理。实验结果表明,经过这种处理之后,不仅使参考模式与试验模式的时间模型得到基本对准;而且平均紧缩率可达64％,为减少模式特征参数的计算量和存储量,实现大词汇表识别,提供了有利条件。实验还表明,通过上述处理,识别率仍可达到94％左右。     

万能工具显微目镜视场字符识别的预处理算法

在研制万能工具显微镜(UTM)自动读数系统的过程中,针对UTM目镜视场数字字符的图像特点,提出了一种数字字符识别预处理算法。算法利用Roberts边缘检测算子对图像进行二值化处理,设计了数学形态学算子进行除噪运算,使用了一种改进的投影算法进行字符分割。结合模板匹配算法的识别实验得到的识别率为98．9％。     

一种基于图像分割的动态规划立体匹配算法

本文提出了一种基于图像分割的动态规划立体匹配算法。此算法首先利用MeanShift图像分割算法对左右图像对进行分割处理,从而得到分割域的深度范围约束;然后结合窗口匹配及可信度约束得到地面控制点;综合地面控制点和其所属分割域的深度一致性关系可以有效剔除部分不可信点;以地面控制点和分割域作为约束信息,对动态规划的数据能量项和遮挡能量项加入分割域关系约束,利用动态规划算法得到最终视差图。实验结果表明,该算法可得到较好的视差结果。     

基于三音子模型连续语音声调识别方法

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...