自動語種識別的研究與應用.pdf

1、隨著我國經(jīng)濟的迅速發(fā)展，國人的活動范圍不斷變大，不同語種之間的交流和碰撞愈加頻繁。人們迫切地希望能有一種突破語種障礙的交流系統(tǒng)，因而作為重要前端的自動語種識別技術的重要性也與日俱增。除此之外，自動語種識別在信息安全、軍事安全領域也有著廣泛的應用前景。
　　相較于英語、法語、漢語等大語種，語種識別在我國少數(shù)民族語言方面的研究發(fā)展較為緩慢，目前還沒有一個能比較全面地涵蓋我國少數(shù)民族語言的語種識別系統(tǒng)。針對這種狀況，本文在研究中嘗試建立

2、一個基于 matlab的包括漢語、白語、藏語、苗語、納西語、維吾爾族語、彝族語和壯族語在內(nèi)的語種識別系統(tǒng)。為此，本文主要做了以下幾個方面的工作：
　　第一，特征提取方面的研究。對原始語音信號進行預處理和特征提取是建立一個有效語種識別系統(tǒng)的基礎。預處理的方法和特征的選取直接關系到語種識別系統(tǒng)最終所能達到識別率的上限。本文在實踐中總結(jié)出了多種針對少數(shù)民族語言具有高區(qū)分度的特征，并對其原理和提取過程做了介紹。不僅如此，本文還運用了預加重

3、，倒譜均值相減等技術，并對其實現(xiàn)過程進行了簡單介紹。
　　第二，基于高斯混合模型（Gaussian Mixture Model，GMM）識別方法的研究。本文對高斯混合模型的原理及其參數(shù)估計算法進行了研究，并完成了基于GMM的語種識別系統(tǒng)，該系統(tǒng)的平均檢測代價達到了0.2214。在此基礎上，本文還探討了GMM模型延展出來的全局背景無關模型（universal background model，UBM），建立了一個基于GMM-UBM的

4、語種識別系統(tǒng)，其性能略優(yōu)于GMM系統(tǒng)，平均檢測代價為0.2143。
　　第三，基于支持向量機模型（Support vector machine，SVM）的識別方法研究。本文對支持向量機的理論做了簡單介紹后，建立了一個基于SVM的語種識別系統(tǒng)。該系統(tǒng)在識別率在略低于GMM系統(tǒng)，平均檢測代價為0.2514。
　　第四，為了驗證不同特征參數(shù)選取對系統(tǒng)識別率的影響，本文在不同輸入特征下對GMM系統(tǒng)、GMM-UBM系統(tǒng)和SVM系統(tǒng)進行