基于支持向量機的語種識別方法的研究.pdf

1、隨著全球化趨勢的加劇，國際間交流越來越密切，各國家和地區(qū)的人們因為經濟、政治、文化、旅游的需要而頻繁往來，使得人們迫切地需要能夠突破語言的限制，自由地進行交往。因此自動語種識別((Language Identification,LID)顯得越來越重要。LID能自動地識別出一段語音所屬的語言種類，這在語音識別、自動機器翻譯、國防和日常生活中體現出較強的應用價值，逐漸引起了相關研究和應用領域的廣泛關注。 廣義上說，自動語種識別可分成

2、基于聲學模型和基于音素搭配關系模型兩類。另外，根據建模方法的不同，又可以分成產生性模型(Generative Model)，如音素識別語言模型(PRLM)、高斯混合模型(GMM)和區(qū)分性模型(Discriminative Model)的方法，如支持向量機SVM。近年來將音素識別PR、GMM和SVM結合起來成為語種識別研究的一個主要方向。本文從聲學空間的區(qū)分性建模方法出發(fā)，著重研究了基于支持向量機SVM的語種識別系統。首先介紹了其常用的聲

3、學特征及其魯棒性方法，然后分析了不同核函數的構成，即廣義線性區(qū)分性序列核GLDS和高斯混合模型超矢量核GSV，在此基礎上提出了相應的改進，具體工作包括以下幾個方面: 第一:從原理上對比了LPCC和MFCC在語種識別中的優(yōu)劣，由此啟發(fā)，將它們融合起可以獲得較好的效果。另外對各種基于特征域上的魯棒性方法在語種識別上的應用進行試驗，最終給出了一個合適的提高特征魯棒性的策略。 第二:針對原有的GLDS核函數存在訓練、測試語句之間

4、時長不匹配的問題，采取了層次化的結構，一方面將訓練樣本切分到和測試樣本相近的長度，另一方面又通過樣本選擇，在控制樣本數目的前提下保留了最具區(qū)分性的樣本。這樣在一定程度上減少了訓練和測試之間的不匹配問題，又保留了其計算量小的優(yōu)點。再結合多種特征之間的互補性，使系統性能提升30％。 第三:在GSV系統中，通過結合擾動屬性投影NAP、因子分析FA等去噪方法和VTLN等手段，識別性能得到很大提高。另外，針對GSV系統的特征維數隨GMM高