基于音素搭配的語種識別方法研究.pdf

1、語種識別是指利用計算機(jī)自動地判斷給定的語音屬于哪一個語種的過程。隨著國際交流的日益頻繁，語種識別在軍事情報搜集、電話自動轉(zhuǎn)接系統(tǒng)、多語種語音識別前端等方面顯現(xiàn)出越來越重要的應(yīng)用價值。 根據(jù)使用特征和建模方法的不同，主流的語種識別系統(tǒng)主要分為兩大類：基于聲學(xué)特征的方法和基于音素搭配關(guān)系的方法。其中，基于音素搭配的語種識別方法首先使用語音識別技術(shù)將語音轉(zhuǎn)化為音素序列，然后利用不同語種音素搭配規(guī)律的不同進(jìn)行語種識別?；谝羲卮钆涞姆椒?/p>

2、以其穩(wěn)定、良好的性能和巨大的發(fā)展空間引起了越來越多的研究者的重視。本論文圍繞基于音素搭配的語種識別方法進(jìn)行了較系統(tǒng)的研究，完整地搭建了從音素識別器到語種模型的語種識別系統(tǒng)，并在提高系統(tǒng)性能、降低算法復(fù)雜度方面取得了一定的進(jìn)展。具體的研究工作包括： 第一，比較了相同條件下用不同方法訓(xùn)練的音素識別器的性能，證明了TRAP-MLP策略訓(xùn)練的音素識別器在語種識別任務(wù)上相對于傳統(tǒng)語音識別中采用的GMM-HMM策略的優(yōu)越性。 第二，

3、針對Lattice在語種識別中應(yīng)用算法復(fù)雜度極高的問題，在證明遍歷Lattice中全部路徑等效于遍歷全部相鄰邊的基礎(chǔ)上，提出了一種計算有限階次的N-Gram統(tǒng)計量的快速算法，極大地降低了算法復(fù)雜度。 第三，在統(tǒng)計語言模型方面：a)，針對N-Gram語言模型在語種識別中的應(yīng)用特點，提出了在語種識別中應(yīng)用不同順序的N-Gram語言模型的方法，利用它們之間的互補(bǔ)性改進(jìn)了性能；b)，利用從UBM自適應(yīng)到N-Gram語言模型的訓(xùn)練方法，進(jìn)

4、一步緩解了數(shù)據(jù)稀疏問題；c)，比較了N-Gram語言模型和二叉決策樹模型的性能。 最后，在PR-SVM體系中：a)，因為特征維數(shù)隨階次指數(shù)增長，產(chǎn)生了特征向量稀疏和參數(shù)估計不準(zhǔn)確的問題，為此本論文提出了Back-Off平滑和UBM自適應(yīng)兩種SVM特征參數(shù)估計的改進(jìn)方法，緩解了稀疏問題，這兩種方法的融合還能進(jìn)一步提升系統(tǒng)性能；b)，特征維數(shù)過高導(dǎo)致的另一個問題是存儲和計算困難，簡單地剪枝方法又會造成信息的丟失，本文提出了一種利用二