基于音素搭配的語種識別方法研究.pdf

1、語種識別是指利用計算機自動地判斷給定的語音屬于哪一個語種的過程。隨著國際交流的日益頻繁，語種識別在軍事情報搜集、電話自動轉接系統(tǒng)、多語種語音識別前端等方面顯現(xiàn)出越來越重要的應用價值。 根據使用特征和建模方法的不同，主流的語種識別系統(tǒng)主要分為兩大類：基于聲學特征的方法和基于音素搭配關系的方法。其中，基于音素搭配的語種識別方法首先使用語音識別技術將語音轉化為音素序列，然后利用不同語種音素搭配規(guī)律的不同進行語種識別。基于音素搭配的方法

2、以其穩(wěn)定、良好的性能和巨大的發(fā)展空間引起了越來越多的研究者的重視。本論文圍繞基于音素搭配的語種識別方法進行了較系統(tǒng)的研究，完整地搭建了從音素識別器到語種模型的語種識別系統(tǒng)，并在提高系統(tǒng)性能、降低算法復雜度方面取得了一定的進展。具體的研究工作包括： 第一，比較了相同條件下用不同方法訓練的音素識別器的性能，證明了TRAP-MLP策略訓練的音素識別器在語種識別任務上相對于傳統(tǒng)語音識別中采用的GMM-HMM策略的優(yōu)越性。 第二，

3、針對Lattice在語種識別中應用算法復雜度極高的問題，在證明遍歷Lattice中全部路徑等效于遍歷全部相鄰邊的基礎上，提出了一種計算有限階次的N-Gram統(tǒng)計量的快速算法，極大地降低了算法復雜度。 第三，在統(tǒng)計語言模型方面：a)，針對N-Gram語言模型在語種識別中的應用特點，提出了在語種識別中應用不同順序的N-Gram語言模型的方法，利用它們之間的互補性改進了性能；b)，利用從UBM自適應到N-Gram語言模型的訓練方法，進

4、一步緩解了數(shù)據稀疏問題；c)，比較了N-Gram語言模型和二叉決策樹模型的性能。 最后，在PR-SVM體系中：a)，因為特征維數(shù)隨階次指數(shù)增長，產生了特征向量稀疏和參數(shù)估計不準確的問題，為此本論文提出了Back-Off平滑和UBM自適應兩種SVM特征參數(shù)估計的改進方法，緩解了稀疏問題，這兩種方法的融合還能進一步提升系統(tǒng)性能；b)，特征維數(shù)過高導致的另一個問題是存儲和計算困難，簡單地剪枝方法又會造成信息的丟失，本文提出了一種利用二