基于改进的长短期记忆神经网络方言辨识模型

发布时间：2021-02-03 17:09

　　在案件侦破中,方言的辨别能提供重要线索。为了对汉语方言进行辨别,基于长短期记忆神经网络（LSTM）的方言辨识模型被提出,语音样本数据,其中包括地区口头禅,均采集于贵州省6个地区,并提取梅尔频率倒谱系数（MFCC）,每份语音样本MFCC后面加上相应的地区口头禅MFCC,然后采用滑窗进行信息重叠分块,对每块分别进行横向与纵向奇异值分解并保留高贡献率的特征向量,把分块合并作为方言辨识模型的输入数据。先对LSTM进行改进,然后构建方言辨识模型。通过交叉实验对该模型进行训练和验证,从而对滑窗的宽度进行优化,同时与循环神经网络（RNN）进行比较。实验结果证明研究构建的LSTM模型对汉语方言辨识是高效的。 

【文章来源】：科学技术与工程. 2019,19(02)北大核心

【文章页数】：7 页

【文章目录】：
1 方言辨识模型描述
2 语音样本与口头禅的收集与整理
3 奇异值分解
4 数据标准化
5 方言辨识模型
    5.1 相关知识
    5.2 改进的LSTM
6 实验及结果与分析
    6.1 交叉优化实验
    6.2 时长区间不同的方言语音样本测试
7 结论


【参考文献】：
期刊论文
[1]基于深度神经网络的语种识别[J]. 崔瑞莲,宋彦,蒋兵,戴礼荣.  模式识别与人工智能. 2015(12)
[2]基于深层神经网络（DNN）的汉语方言种属语音识别[J]. 景亚鹏,郑骏,胡文心.  华东师范大学学报(自然科学版). 2014(01)
[3]基于混合特征参数和BPAdaboost的方言辨识[J]. 彭湘陵,钱盛友,赵新民.  计算机工程与应用. 2013(03)
[4]基于SOM神经网络和支持向量机的方言辨识[J]. 朱颖,钱盛友,赵新民.  计算机工程与应用. 2009(22)
[5]基于动态时间规整和神经网络的方言辨识研究[J]. 钱盛友,许慧燕.  计算机工程与应用. 2008(10)



本文编号：3016867