基于DNN的語言識別系統(tǒng)的研究與實現(xiàn).pdf

1、語言是人們?nèi)粘＿M行溝通最常見的方法之一，是一種不可或缺的技能。在全球化進程中，人們對語言溝通的障礙日益凸顯。在這種背景下，迫切要求能夠?qū)崿F(xiàn)語言識別，因此，語言識別成為近幾年語音研究方向的重要研究課題。現(xiàn)有的語言識別系統(tǒng)仍然存在很多問題，比如在復雜的語音背景下提取出純凈的語音信息，從易混淆的語言中將具有語言屬性的信息剝離出來等，因此，語言識別仍有待繼續(xù)研究和探索。
　　語言識別（LID）是根據(jù)語音對說話人所說語言所屬種類進行自動區(qū)分

2、，從而進行說話人語種鑒別的生物特征識別技術(shù)?；谝羲靥卣骱突诘讓拥穆晫W特征已經(jīng)被證明能夠非常有效的代表語言種類信息。雖然，通過機器學習能夠有效改進了語言識別性能，但識別率依然達不到要求，尤其是對于短時語音段來說，識別性能仍然有待提高。
　　近年來，基于DNN的語言識別更是由于DNN的興起和廣泛應(yīng)用以及良好效果，成為學術(shù)界以及工業(yè)界的一個研究熱點。本次課題以基于DNN的語言識別為研究重點，致力于完成一個完善的且性能良好的語言識別系

3、統(tǒng)。主要做了以下幾點工作：
　　1．實現(xiàn)基于DNN的語言識別系統(tǒng)。
　　2．采用一種基于底層聲學特征的音素特征向量，即DBF特征，這一特征比底層聲學特征和音素特征更能夠?qū)φZ言特征進行表述。
　　3．使用一種采用DBF訓練DNN統(tǒng)計量提取I-Vector的方法，將DBF代替UBM用在GMM模型中，獲得更加精確的統(tǒng)計量，進而提高識別效率。
　　4．對整個系統(tǒng)進行測試和分析。首先，對DBF特征與SDC特征進行性能對比，