漢語語文轉換中NHMM算法和音庫詞庫設計的研究.pdf

1、在語音識別領域,漢語語文轉換是一個熱點話題,隱馬爾可夫模型(HMM)是語文轉換中常用的方法。它能很好地描述語音信號的平穩(wěn)性和可變性,近年來倍受國內外學者的高度重視,但其識別性能卻不能令人滿意。在語文轉換的音庫詞庫設計模式方面,也存在多種不同設計模式。而不同的模式會有不同的占比空間率和轉換效率,如何找到一種高效的音庫詞庫設計模式則變得尤為重要。本論文將對這兩方面的改進提出一種的新的算法和設計模式,以提高語文轉換的轉換效率。
　　

2、語文轉換在采樣量化過程中的算法研究一直是一個研究難點,且對于語音環(huán)境的要求也非常復雜,本論文擬改變以往的傳統(tǒng)HMM研究方法,引入了一種改進型的識別算法NHMM,進一步提高了語文轉換中的轉換效率。傳統(tǒng)的HMM算法,雖然被廣泛應用,但是它自身也存在著一定缺陷,比如說由于它只是一個概率和統(tǒng)計理論算法,并且是離散型概率統(tǒng)計算法,所以它不能很好的描述語音信號的時間相依性,且對于量化時的誤差分析也沒有著重考慮,這樣會在一定程度上降低語文轉換的識別率

3、。因此,本文提出了一種能夠引入加權函數(shù)的算法——NHMM算法。NHMM算法是本論文在HMM算法的基礎上提出的一種改進型算法,就是為了進一步減少語音信號在量化的過程中出現(xiàn)的較大誤差。為了提高語音信號的識別率,在NHMM算法中,加入了一個新變量——量化誤差E,作為加權值,加入到HMM算法的參數(shù)序列中,讓其作為HMM算法的一個參數(shù)參與運算,這樣將量化誤差作為考慮因素的改進型HMM算法在識別率上,相比傳統(tǒng)的HMM算法有了很大的提高。
　　

4、 在設計音庫詞庫方面,在查閱大量的關于漢語語文轉換的相關文獻的過程中,發(fā)現(xiàn)很多研究都是將重點放在語文轉換中的音庫設計上,都是在力求音庫文件的最大覆蓋性,但詳盡化的音庫文件設計必然導致庫體容量的快速增大,這對終端的硬件配置提出了非常大的挑戰(zhàn),如果占用大量系統(tǒng)資源,必然導致其可行性下降。本論文的研究切入點是盡量精簡語文轉換的音庫文件,這必然導致在語文轉換時,對人的口語錄入的準確性進行了忽略考慮。從粗糙采樣的設計理念出發(fā),模糊化采樣精度,進