基于支持向量機的語種識別研究.pdf

1、隨著語音識別技術(shù)的不斷發(fā)展，語種識別作為語音識別的一個方面和它具有的重要意義，也越來越受到人們的廣泛重視。語種識別就是用計算機來自動識別一段發(fā)音所屬語種的一項技術(shù)，它是在語音識別基礎(chǔ)上發(fā)展起來的。從上個世紀(jì)七十年代到現(xiàn)在，語種識別雖然只經(jīng)歷了短短幾十年的發(fā)展，但識別方法已有多種。這些方法雖然各有特點，但比較成熟的方法還不是很多。目前，我國對語種識別的研究較少，尚處于起步階段。 語種識別強調(diào)在與文本無關(guān)和與說話人無關(guān)的條件下進行，

2、因而語種識別需要盡量消除語音信號中個體發(fā)音的差異，并且盡量找到不同語種的語音間不同的聲學(xué)特征，從而達到更好的識別效果。 本文首先從語種語音特征方面進行分析，找出不同語種之間的差異，提取語種語音特征參數(shù)，特征參數(shù)以矢量形式表現(xiàn)。 然后提出利用加權(quán)的K近鄰法對訓(xùn)練矢量進行野點排除。對于每兩個語種間的每個訓(xùn)練矢量，分別找出與其歐氏距離最小的前K個矢量，判斷其類標(biāo)與它的K近鄰中多數(shù)類標(biāo)的符號是否一致。在K近鄰的特征矢量中各個矢量

3、對于判斷是否剔除對象特征的貢獻不同。最近鄰的貢獻為最大，第K近鄰的特征的貢獻為最小，可以分配不同的權(quán)值給K近鄰矢量。對K近鄰矢量符號加權(quán)求和后，判斷是否與對象矢量符號相同，若相同則保留，否則該對象矢量屬于異類將該特征矢量刪除。最后利用剔除完野點的訓(xùn)練矢量來訓(xùn)練one-against-one支持向量機(SVM)，利用one-against-one支持向量機對測試矢量集進行分類投票，獲得投票數(shù)最多的語種被判定為未知語音的語種。 實驗