基于HMM和小波的中英文語(yǔ)音的自動(dòng)切分研究和實(shí)現(xiàn).pdf

1、本文廣泛深入地研究、分析了當(dāng)前國(guó)內(nèi)外各種語(yǔ)音切分方法，并對(duì)各種方法的切分準(zhǔn)確率進(jìn)行了分析、比較。在此基礎(chǔ)上，將小波理論和語(yǔ)音分析相結(jié)合，提出了基于小波包變換的語(yǔ)音特征參數(shù)用于語(yǔ)音的自動(dòng)切分；在實(shí)現(xiàn)自動(dòng)切分過(guò)程中，運(yùn)用基于隱馬爾可夫模型(HMM) 的基本理論和算法，完成了HMM的建模、訓(xùn)練和切分；并對(duì)可能遇到的各種實(shí)際問(wèn)題，提出了相應(yīng)的解決方法；最終實(shí)現(xiàn)了基于隱馬爾可夫模型 (HMM) 的語(yǔ)音自動(dòng)切分系統(tǒng)。通過(guò)各種實(shí)驗(yàn)比較，給出

2、了優(yōu)化的模型配置，使切分性能得到明顯的提高。本論文的主要貢獻(xiàn)和創(chuàng)新為以下幾點(diǎn)：1、 提出了基于小波包分解的語(yǔ)音特征參數(shù)用于語(yǔ)音的自動(dòng)切分。將小波理論與語(yǔ)音感知特性相結(jié)合，運(yùn)用小波包變換對(duì)語(yǔ)音進(jìn)行變換，再按照類似于語(yǔ)音感知頻帶劃分來(lái)選取小波子帶，這種劃分與人耳的臨界頻帶相似，從而建立了基于小波包分解的語(yǔ)音特征參數(shù)WPP(Wavelet Packet Parameters)。實(shí)驗(yàn)證明WPP優(yōu)于傳統(tǒng)的語(yǔ)音特征參數(shù) MFCC(Me

3、l Frequency Cepstrum Coefficients)，使得語(yǔ)音切分的準(zhǔn)確性得到了提高。2、將RASTA濾波器用于改進(jìn)語(yǔ)音參數(shù)。在對(duì)基于小波包分解的語(yǔ)音特征參數(shù) WPP 的求解過(guò)程中添加了 RASTA(RelativeSpectral)濾波器，對(duì)每個(gè)子帶的能量譜進(jìn)行濾波后，通過(guò)濾波后獲得的語(yǔ)音參數(shù)用于語(yǔ)音自動(dòng)切分。RASTA 濾波處理是用一個(gè)低端截止頻率很低的帶通濾波器對(duì)語(yǔ)音信號(hào)進(jìn)行濾波處理。經(jīng)過(guò)處理后，頻譜中的

4、常量或者變化緩慢的部分被抑制，動(dòng)態(tài)成分被增強(qiáng)。通過(guò) RASTA濾波來(lái)增強(qiáng)小波子帶參數(shù)的動(dòng)態(tài)特性，實(shí)驗(yàn)證明改進(jìn)的語(yǔ)音參數(shù)提高了語(yǔ)音切分的準(zhǔn)確率。3、通過(guò)主成份分析(PCA)方法獲得時(shí)間過(guò)濾器用于改進(jìn)語(yǔ)音參數(shù)。采用主成份分析(Principal Component Analysis，PCA)方法獲得時(shí)間過(guò)濾器(Temporalfilter)，這種濾波器有著和RASTA濾波器相同的特性，增強(qiáng)了小波子帶參數(shù)的動(dòng)態(tài)成分。通過(guò)詳細(xì)的比較分

5、析，已證實(shí)通過(guò)主成份分析(PCA)方法獲得時(shí)間過(guò)濾器對(duì)語(yǔ)音參數(shù)的改進(jìn)可以提高語(yǔ)音切分的準(zhǔn)確性。4、 采取有標(biāo)記初始化的方法來(lái)初始化HMM的模型。HMM模型初始化的好壞直接影響HMM模型的訓(xùn)練和最終的切分結(jié)果。我們比較了有標(biāo)記和無(wú)標(biāo)記的HMM模型初始化，發(fā)現(xiàn)通過(guò)有標(biāo)記初始化的HMM模型的語(yǔ)音切分結(jié)果的準(zhǔn)確性明顯高于無(wú)標(biāo)記初始化的HMM模型的語(yǔ)音切分結(jié)果。我們分析了語(yǔ)音初始化實(shí)驗(yàn)結(jié)果，可以看出在連續(xù)語(yǔ)流中選取語(yǔ)音樣本用作HMM

6、模型初始化訓(xùn)練切分，比參考種子字從語(yǔ)料中提取典型單音數(shù)據(jù)作為初始化樣本來(lái)訓(xùn)練切分的準(zhǔn)確性要高。因此，我們?cè)谡Z(yǔ)音切分中都采取從連續(xù)語(yǔ)流中選取語(yǔ)音作為HMM模型初始化訓(xùn)練樣本的方法。5、 根據(jù)所建立的語(yǔ)音庫(kù)語(yǔ)音特點(diǎn)和差異，對(duì)中英文語(yǔ)音模型進(jìn)行了修正和優(yōu)化。每種語(yǔ)言語(yǔ)音庫(kù)都有各自的特點(diǎn)，而且不同人朗讀的語(yǔ)音也是有差異的，這些特點(diǎn)和差異直接影響到模型的建立和選取。所以需要根據(jù)不同的語(yǔ)音發(fā)音特點(diǎn)和朗讀差異，對(duì)模型進(jìn)行了修正和優(yōu)化。在英

7、文中我們對(duì)輔音連綴 dr,dr,dz，ts分別建立了模型，這些輔音連綴在發(fā)音過(guò)程中出現(xiàn)了比較明顯的協(xié)同發(fā)音，與單獨(dú)發(fā)音的t、r、z、s有著明顯的不同，并根據(jù)英文發(fā)音中的失爆現(xiàn)象對(duì)詞內(nèi)的兩個(gè)爆破音相連的第一個(gè)爆破音另建失爆模型；同時(shí)我們對(duì)中文中y，w相關(guān)的聲韻模型進(jìn)行了合并優(yōu)化，因?yàn)樵趯?shí)際發(fā)音中y和w都存在不發(fā)音的現(xiàn)象。通過(guò)模型的修正和優(yōu)化，使得語(yǔ)音切分的準(zhǔn)確性得到了提高。6、 提出了一種靜音自動(dòng)鑒別和處理的方法，以提高語(yǔ)音切

8、分的正確性。在通過(guò)錄音建立語(yǔ)音語(yǔ)料庫(kù)的過(guò)程中，經(jīng)常會(huì)出現(xiàn)一些停頓和呼吸，我們將這些能量很小的靜音段、噪音和呼吸聲統(tǒng)稱為靜音。而這些靜音如果未標(biāo)注在所對(duì)應(yīng)的文本之中，這將直接影響到語(yǔ)音自動(dòng)切分的準(zhǔn)確性。因此，需要將這些靜音以約定的標(biāo)記(sil)添加到文本中。本文提出了一種靜音自動(dòng)鑒別和處理的方法，在經(jīng)過(guò)語(yǔ)音粗切分后，通過(guò)規(guī)則設(shè)定、短時(shí)能量、短時(shí)過(guò)零率和算法修正幾個(gè)步驟，將靜音尋找出來(lái)，從而提高了語(yǔ)音切分的準(zhǔn)確性。關(guān)鍵詞：小波包