基于HMM和小波的中英文語音的自動切分研究和實現(xiàn).pdf

1、本文廣泛深入地研究、分析了當(dāng)前國內(nèi)外各種語音切分方法，并對各種方法的切分準(zhǔn)確率進行了分析、比較。在此基礎(chǔ)上，將小波理論和語音分析相結(jié)合，提出了基于小波包變換的語音特征參數(shù)用于語音的自動切分；在實現(xiàn)自動切分過程中，運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；并對可能遇到的各種實際問題，提出了相應(yīng)的解決方法；最終實現(xiàn)了基于隱馬爾可夫模型 (HMM) 的語音自動切分系統(tǒng)。通過各種實驗比較，給出

2、了優(yōu)化的模型配置，使切分性能得到明顯的提高。本論文的主要貢獻和創(chuàng)新為以下幾點：1、 提出了基于小波包分解的語音特征參數(shù)用于語音的自動切分。將小波理論與語音感知特性相結(jié)合，運用小波包變換對語音進行變換，再按照類似于語音感知頻帶劃分來選取小波子帶，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音特征參數(shù)WPP(Wavelet Packet Parameters)。實驗證明WPP優(yōu)于傳統(tǒng)的語音特征參數(shù) MFCC(Me

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

4、常量或者變化緩慢的部分被抑制，動態(tài)成分被增強。通過 RASTA濾波來增強小波子帶參數(shù)的動態(tài)特性，實驗證明改進的語音參數(shù)提高了語音切分的準(zhǔn)確率。3、通過主成份分析(PCA)方法獲得時間過濾器用于改進語音參數(shù)。采用主成份分析(Principal Component Analysis，PCA)方法獲得時間過濾器(Temporalfilter)，這種濾波器有著和RASTA濾波器相同的特性，增強了小波子帶參數(shù)的動態(tài)成分。通過詳細的比較分

5、析，已證實通過主成份分析(PCA)方法獲得時間過濾器對語音參數(shù)的改進可以提高語音切分的準(zhǔn)確性。4、 采取有標(biāo)記初始化的方法來初始化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)記和無標(biāo)記的HMM模型初始化，發(fā)現(xiàn)通過有標(biāo)記初始化的HMM模型的語音切分結(jié)果的準(zhǔn)確性明顯高于無標(biāo)記初始化的HMM模型的語音切分結(jié)果。我們分析了語音初始化實驗結(jié)果，可以看出在連續(xù)語流中選取語音樣本用作HMM

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

7、文中我們對輔音連綴 dr,dr,dz，ts分別建立了模型，這些輔音連綴在發(fā)音過程中出現(xiàn)了比較明顯的協(xié)同發(fā)音，與單獨發(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)象對詞內(nèi)的兩個爆破音相連的第一個爆破音另建失爆模型；同時我們對中文中y，w相關(guān)的聲韻模型進行了合并優(yōu)化，因為在實際發(fā)音中y和w都存在不發(fā)音的現(xiàn)象。通過模型的修正和優(yōu)化，使得語音切分的準(zhǔn)確性得到了提高。6、 提出了一種靜音自動鑒別和處理的方法，以提高語音切

8、分的正確性。在通過錄音建立語音語料庫的過程中，經(jīng)常會出現(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)注在所對應(yīng)的文本之中，這將直接影響到語音自動切分的準(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鑒別和處理的方法，在經(jīng)過語音粗切分后，通過規(guī)則設(shè)定、短時能量、短時過零率和算法修正幾個步驟，將靜音尋找出來，從而提高了語音切分的準(zhǔn)確性。關(guān)鍵詞：小波包