語種辨識

1、1語言辨識的基本概念語言辨識的基本概念自動語言辨識（又稱語種識別），是計算機分析處理一個語音片段以判別其所屬語種的技術(shù)。隨著當(dāng)前全球合作的增長，各種余元之間的通信要求增加，這就對自動語言識別提出新的挑戰(zhàn)，在機械能夠懂得語言含義之前，必須辨別使用了哪種語言。自動語言辨識的任務(wù)在于快速準(zhǔn)確的辨識出所使用的語言，目前它已經(jīng)成為通信和信息領(lǐng)域一個新的學(xué)科增長點。自動語言辨識技術(shù)的學(xué)術(shù)特點在于它橫跨技術(shù)的融合。對它的研究，不僅需要掌握信息理論和技

2、術(shù)，而且需要具有多種信息處理的手段和方法。眾所周知，語音中包含著多種信息，從語音中提取不同的信息進行處理也就形成了不同語言處理方法。從內(nèi)容上分，語音中包含著所屬語言種類的信息、說話內(nèi)容的語義信息和說話人個體特征因此從識別的角度來說，我們可以利用從語音中提取的這些信息進行識別，語音信息的識別可以分為語音識別、語言辨識和說話人識別。語音識別中要提取出包含在語音信號中的字詞意思和言語內(nèi)容，說話人識別則是從語音信號中獲取說話人的身份，語言辨識是

3、從語音信號中提取出包含的語言的種類（或方言的種類）。與語音識別和說話人識別不同的是，語言辨識利用的是語音信號中的語言學(xué)信息，而不考慮語音信號中的字詞意思，不考慮說話人的個性。語種識別在信息檢索和軍事領(lǐng)域都有很重要的應(yīng)用包括自動轉(zhuǎn)換服務(wù)多語言信息補償?shù)?。在信息服?wù)方面很多信息查詢中可提供多語言服務(wù)但一開始必須用多種語言提示用戶選擇用戶語言。語種辨識系統(tǒng)必須預(yù)先區(qū)分用戶的語言種類以提供不同語言種類的服務(wù)。這類典型服務(wù)的例子包括旅游信息、應(yīng)急

4、服務(wù)、以及購物和銀行、股票交易。例如AT&T向處理911緊急呼救的社會機構(gòu)和警察局推出語言熱線服務(wù)。圖1說明了兩個講不同語言的人是如何通過一個多語言話音系統(tǒng)進行交流。自動語言辨識技術(shù)還能夠用于多語言機器翻譯系統(tǒng)的前端處理當(dāng)對大量錄音資料進行翻譯分配時需要預(yù)先判定每一段語音的語言。隨著信息時代的到來以及國際因特網(wǎng)的發(fā)展語言辨識越來越顯示出其應(yīng)用價值國際上也一直進行著卓有成效的研究和系統(tǒng)開發(fā)。圖1不同語種說話人交流系統(tǒng)與語音處理的其他領(lǐng)域相

5、比自動語種識別是一個相對較新的領(lǐng)域。盡管在某些方面其類似于自動語音識別、說話人識別和聲調(diào)檢測但所有這些任務(wù)之間的差別很大。理論上來講不同語言之間的差別是多方面的而且差別較大。盡管在各種層次上都可以找到這些差別(如音素目錄音素的聲學(xué)實現(xiàn)詞匯音位結(jié)構(gòu)規(guī)律性和詞法等等)由于在任何層次上都不存在可靠的算法因此可靠的語言辨識仍舊是一個難題。2語言辨識的發(fā)展語言辨識的發(fā)展自動語言辨識的研究可以追溯到20世紀(jì)70年代，與語音識別的其它方向相比較，自動

6、語言辨識進展較為緩慢，在1993年之前的20多年里用英語發(fā)表的文獻中，只能找到14篇用戶1語種識別系統(tǒng)語言識別系統(tǒng)語言文本翻譯系統(tǒng)語言合成用戶2括線性預(yù)測系數(shù)、線譜對系數(shù)、線性預(yù)測倒譜系數(shù)（LPCC）及其組合等參數(shù)；由語音頻譜直接導(dǎo)出的參數(shù)，如基音（Pitch）及其輪廓、美爾頻譜倒譜系數(shù)（MFCC），感知線性預(yù)測（PLP）參數(shù)和口音敏感倒譜系數(shù)（C）等。需要指出的是，上述的參數(shù)不僅可用于語言辨識，它們也是說話人識別，關(guān)鍵字檢出和連續(xù)語音

7、識別中的常用參數(shù)，因此，現(xiàn)有的特征提取方法并不針對語言辨識，而是一種通用方法，這樣，提取的特征也不能很好的反映各種語言獨特的信息。此外，一個面向應(yīng)用的語言辨識系統(tǒng)會遇到許多實際的情況，比如傳輸信道帶來的信號畸變的影響、環(huán)境背景噪聲的影訓(xùn)練與識別環(huán)境不同帶來的影響等等，這些都給語音特征參數(shù)的研究帶來了挑戰(zhàn)。模型建立是指在訓(xùn)練階段用合適的模型來表征這些特征參數(shù)，使得模型能夠代表該語言的語音特性。對模型的選擇主要應(yīng)從語音的類型、所期望的功能、

8、訓(xùn)練和更新的難易程度以及計算量和存儲量等方面綜合考慮。當(dāng)前有多種模型可供選擇，一般可分為模板匹配、概率生產(chǎn)模型和判別模型等。按照不同的模型和特征列出如圖3.2的語音辨識系統(tǒng)框圖。分類依據(jù)語音的發(fā)音方式說話人詞匯量的大小識別的方法應(yīng)用場合孤立詞語音識別系統(tǒng)特定人語音識別系統(tǒng)小詞量(10100)動態(tài)時間規(guī)整（DWT）、矢量量化（VQ）命令識別等連接字語音識別系統(tǒng)中詞量（100500）隱馬爾可夫模型（HMM）文字記錄等類別連續(xù)語音識別系統(tǒng)非特

9、定人語音識別系統(tǒng)大詞量（500以上）隱馬爾可夫模型（HMM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）語音理解等圖3.2語音辨識系統(tǒng)分類模板匹配模型典型的例子有最鄰模型（NearestNeighb，NN）模型，動態(tài)時間規(guī)整（DynamicTimeWarpingDTW）模型和矢量化（VQ）模型。模板匹配模型的不足之處在于不能全面地反映樣本分布及統(tǒng)計特性，適應(yīng)性差，因此語言辨識應(yīng)用有限。概率統(tǒng)計生成模型是指采用某種概率密度函數(shù)來描述各種語言的語音特征空間的分

10、布情況，并以該概率密度函數(shù)的一組參數(shù)作為語言的模型。典型的有隱馬爾可夫模型（HMM）、高斯混合模型（GMM）。概率統(tǒng)計生產(chǎn)模型由于考慮了語音的統(tǒng)計特征，因此能較全面地反映每種語言的統(tǒng)計信息。在識別階段，用訓(xùn)練階段建立的語言模型對測試語音的特征參數(shù)進行某種形式的模式匹配，從而得出相似性得分：判決模塊根據(jù)該相似得分并依據(jù)特定的規(guī)則給出最終識別結(jié)果。對于模塊匹配模型，比較J模塊和測試語音X的距離，距離最近的模板種類則判決為該測試語音的語言種類