连续语音声韵母自动分段算法研究

发布时间：2021-02-15 16:36

　　连续语音声韵母边界的确定是分离声母段和韵母段的直接措施,为解决手工标注边界的高耗时与主观误差引入问题,提出一种新的基于支持向量机（Support Vector Machine,SVM）的声韵母自动分界算法。该算法选取标准语音语料库,基于训练集样本特征及标签训练两级支持向量机模型,识别测试集样本,确定初始声韵母边界;基于余弦相似度和欧氏距离两种相似度判据,获取频谱突变点,并设计规则边界融合策略,实现安静环境下静音、声母及韵母边界的自动准确切分。以Matlab为仿真平台,手工标注边界为基准,本文算法在测试集上所得声韵母切分边界的F值平均值为94. 01%,表明能够准确分离出连续语音中的声母段和韵母段。 

【文章来源】：测控技术. 2020,39(11)

【文章页数】：7 页

【文章目录】：
1 算法实现框架
2 特征提取
    2.1 预加重
    2.2 加窗分帧
    2.3 梅尔频率倒谱系数
3 算法实现步骤
    3.1 语料库
    3.2 支持向量机
    3.3 规则边界融合策略
        3.3.1 频谱突变点检测
        3.3.2 边界融合规则
    3.4 边界评价标准
4 算法仿真结果
    4.1 SVM模型识别结果
    4.2 边界划分结果
5 结论


【参考文献】：
期刊论文
[1]基于声学特征的腭裂语音声韵母切分[J]. 王熙月,黄毅鹏,钱佳慧,何凌,黄华,尹恒.  计算机工程与应用. 2018(08)
[2]时域和频域特征相融合的语音端点检测新方法[J]. 刘欢,王骏,林其光,王士同.  江苏科技大学学报(自然科学版). 2017(01)
[3]基于语音增强的双门限语音端点检测算法[J]. 刘玉珍,田金波.  测控技术. 2016(11)
[4]改进的能量谱熵端点检测算法[J]. 董胡,钱盛友.  测控技术. 2016(06)
[5]多特征和支持向量机相结合的语音端点检测模型[J]. 刘妮.  重庆邮电大学学报(自然科学版). 2013(05)
[6]基于Seneff听觉谱特征的汉语连续语音声韵母边界检测[J]. 陈斌,张连海,王波,屈丹.  声学学报. 2012(01)
[7]基于双门限算法的语音端点检测和声韵母分离研究[J]. 陆东钰,周萍.  桂林电子科技大学学报. 2011(06)
[8]基于元音检测的汉语连续语音声韵母分割[J]. 王艳,冯宏伟,张利平,忽满利.  计算机工程与应用. 2011(14)
[9]递归趋势分析在汉语语音声韵母切分中的应用研究[J]. 闫润强,祖漪清,朱贻盛.  信号处理. 2007(04)
[10]基于多尺度分形维数的汉语语音声韵切分[J]. 王帆,郑方,吴文虎.  清华大学学报(自然科学版). 2002(01)

硕士论文
[1]基于支持向量机的汉语语音端点检测和声韵分离[D]. 蔡魁杰.哈尔滨工程大学 2007



本文编号：3035182