基于自適應(yīng)神經(jīng)模糊推理與隱馬爾可夫的語(yǔ)音分割研究.pdf

1、本文對(duì)基于自適應(yīng)神經(jīng)模糊推理與隱馬爾可夫的語(yǔ)音分割進(jìn)行了研究?，F(xiàn)代語(yǔ)音技術(shù)和研究需要高精確度和高可靠性的語(yǔ)音分割。人工分割一直被認(rèn)為是最為可靠和精確的方法。然而，人工分割方法不僅費(fèi)時(shí)費(fèi)力，還必須由語(yǔ)音專家來進(jìn)行實(shí)施。在大數(shù)據(jù)時(shí)代，尤其針對(duì)大型語(yǔ)音庫(kù)，這是一個(gè)致命的缺陷。因此，發(fā)展高精確度的自動(dòng)語(yǔ)音分割技術(shù)，是十分必要的。最主要的自動(dòng)語(yǔ)音分割技術(shù)，被稱為強(qiáng)制校準(zhǔn)。在此方法中，隱馬爾可夫模型（HMM）被用于構(gòu)建不同音素的語(yǔ)音模型。而語(yǔ)音信號(hào)

2、被提取為一幀一組的特征向量。該模型可以得到音素間大概的語(yǔ)音邊界，但結(jié)果不夠準(zhǔn)確。傳統(tǒng)的基于隱馬爾科夫模型的強(qiáng)制校準(zhǔn)系統(tǒng)，在 TIMIT語(yǔ)音庫(kù)中，以20毫秒的容忍度來計(jì)算，精確度在80％?89％之間。迄今為止，許多方法被提出，用于改善基于隱馬爾科夫的自動(dòng)語(yǔ)音分割技術(shù)。一些研究人員認(rèn)識(shí)到，基于隱馬爾科夫的自動(dòng)語(yǔ)音分割與人工語(yǔ)音分割之間的差別，是語(yǔ)音專家具有語(yǔ)音分割的相關(guān)知識(shí)。而模糊邏輯可以將此類知識(shí)，直觀的轉(zhuǎn)化為可用于計(jì)算機(jī)的模糊規(guī)則。但模

3、糊規(guī)則需要專家精心設(shè)計(jì)，且無法保證規(guī)則的完備性。針對(duì)這些問題，提出一種更加合適的改善方法，是本研究的目的。
　　自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS）是一種結(jié)合神經(jīng)網(wǎng)絡(luò)與模糊推理系統(tǒng)的機(jī)器學(xué)習(xí)方法。與其他機(jī)器學(xué)習(xí)方法相比，它具有神經(jīng)網(wǎng)絡(luò)和模糊推理系統(tǒng)的優(yōu)點(diǎn)，且具有較好的性能。其優(yōu)點(diǎn)：實(shí)現(xiàn)簡(jiǎn)單，非線性，使用模糊推理規(guī)則，非常適合解決我們之前提到的問題。在本課題中，自適應(yīng)神經(jīng)模糊推理系統(tǒng)，被用于學(xué)習(xí)如何修正分割點(diǎn)位置，來補(bǔ)償人工分割與機(jī)

4、器分割間的差異和隱馬爾科夫模型本身所產(chǎn)生的系統(tǒng)分割誤差。整個(gè)實(shí)驗(yàn)分為兩步：第一步，上下文無關(guān)的HMM被用于獲得初始的語(yǔ)音邊界。第二步，訓(xùn)練好的自適應(yīng)神經(jīng)模糊推理系統(tǒng)用于修正第一步所得到的分割邊界。實(shí)驗(yàn)使用TIMIT數(shù)據(jù)庫(kù)。實(shí)驗(yàn)的結(jié)果表明，自適應(yīng)神經(jīng)模糊推理系統(tǒng)，可以顯著的提高，基于隱馬爾科夫的自動(dòng)語(yǔ)音分割技術(shù)精確度。在TIMIT語(yǔ)音庫(kù)中，以20毫秒容忍度為評(píng)價(jià)標(biāo)準(zhǔn)，自適應(yīng)神經(jīng)模糊推理系統(tǒng)使得精確度從86.25%提高92.08%。這也證明