彝语孤立词识别研究

发布时间：2017-04-03 03:04

  本文关键词：彝语孤立词识别研究，由笔耕文化传播整理发布。

【摘要】：语音识别是模式识别与人工智能的研究热点之一。彝语语音识别是语音识别研究领域的一个新方向。目前,已经有英语、汉语等语音识别产品投入商用。国内对汉语音识别的研究已发展到大词汇量、连续语音和鲁棒性语音识别,相比之下少数民族语言语音识别研究却很滞后,尤其是对拥有871万(2010年统计数据)使用者的彝语,基本未见有语音识别的研究。因此,彝语语音识别研究具有重要意义,一方面使彝族同胞享受科技带来的便利,促进各民族的交流与共同发展；另一方面可以更好地传承彝族优秀文化,提升我国文化底蕴。本文在详细分析彝语特点、彝语音信号预处理技术后,对彝语音信号的特征参数做了深入探讨,尤其是经典的线性预测倒谱系数和梅尔频率倒谱系数。比较了不同阶数的线性预测倒谱系数和梅尔频率倒谱系数及其差分参数对本文研究的彝语孤立词识别系统识别率的影响。实验结果表明,12阶梅尔频率倒谱系数具有最高的识别率,最适合作为本文研究系统的特征参数。支持向量机在小样本的现实条件下相比于隐马尔科夫模型、人工神经网络等常用的语音识别算法具有更好的泛化能力和分类正确率,且其通过引入核函数可以较好地解决线性不可分问题。最小二乘支持向量机与标准支持向量机相比,将凸二次规划的求解转化为解线性方程,具有更快地收敛速度从而减少了求解时的资源占用,并且通过采用最小二乘支持向量机对汉语语音进行识别,验证了其在语音识别系统中的有效性,因此本文尝试使用最小二乘支持向量机作为识别算法。此外本文采用识别率、识别时间和模型训练时间三个指标对比了几种核函数在本文所研究系统中的性能,结果表明高斯核函数具有较好地表现,在此基础上,引入动态时间规整算法对高斯核函数进行了改进,实验结果表明,改进的高斯核函数在特定的实验环境下具有更好的性能。
【关键词】：彝语 孤立词识别 最小二乘支持向量机 高斯核函数
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.34
【目录】：

• 摘要5-6
• Abstract6-12
• 第一章 绪论12-18
• 1.1 引言12
• 1.2 国内外研究现状12-15
• 1.3 本文研究目的15-16
• 1.4 本文研究内容16-18
• 第二章 彝语音识别系统基本理论18-30
• 2.1 彝语音特点分析18-19
• 2.2 彝语音识别基本原理19-21
• 2.2.1 彝语音识别基本结构19-20
• 2.2.2 彝语音识别系统分类20
• 2.2.3 彝语音识别系统性能评价指标20-21
• 2.3 彝语音识别预处理21-25
• 2.3.1 彝语音信号数字化21-22
• 2.3.2 彝语音信号预加重22-23
• 2.3.3 彝语音信号加窗、分帧及端点检测23-25
• 2.4 彝语音信号的特征参数25-28
• 2.4.1 线性预测倒谱系数LPCC25-26
• 2.4.2 梅尔频率倒谱系数MFCC26-28
• 2.5 本章小结28-30
• 第三章 彝语孤立词识别算法研究30-50
• 3.1 引言30
• 3.2 DTW算法原理30-36
• 3.2.1 DTW的搜索路径31-32
• 3.2.2 DTW的算法实现32-36
• 3.3 统计学习理论36-39
• 3.3.1 机器学习问题简述36-37
• 3.3.2 经验风险最小化37
• 3.3.3 VC维和泛化能力的界37-38
• 3.3.4 结构风险最小化38-39
• 3.4 最小二乘支持向量机和核函数39-49
• 3.4.1 支持向量机39-43
• 3.4.2 最小二乘支持向量机43-44
• 3.4.3 核函数44-46
• 3.4.4 改进高斯核函数46-49
• 3.5 本章小结49-50
• 第四章 基于LSSVM的彝语孤立词识别50-58
• 4.1 引言50
• 4.2 数据采集与预处理50-51
• 4.3 不同彝语语音特征参数识别率比较51-56
• 4.4 基于不同核函数的LSSVM识别结果及分析56-57
• 4.5 本章小结57-58
• 第五章 总结与展望58-60
• 5.1 论文主要工作58-59
• 5.2 研究展望59-60
• 致谢60-62
• 参考文献62-68
• 附录68

【参考文献】

中国期刊全文数据库 前2条

1 张小云,刘允才;高斯核支撑向量机的性能分析[J];计算机工程;2003年08期

2 李冠宇;于洪志;李永宏;马宁;;基于决策树的藏语拉萨话三音子模型[J];计算机工程与科学;2013年09期

中国博士学位论文全文数据库 前2条

1 陈其松;智能优化支持向量机预测算法及应用研究[D];贵州大学;2009年

2 宁爱平;人工蜂群算法及其在语音识别中的应用研究[D];太原理工大学;2013年

  本文关键词：彝语孤立词识别研究，，由笔耕文化传播整理发布。

本文编号：283594