基于SPWD时频脊特征提取的汉语声调识别-论文.pdf

《基于SPWD时频脊特征提取的汉语声调识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第3期计算机应用与软件V01．31No．32014年3月ComputerApplicationsandSoftwareMar．2014基于SPWD时频脊特征提取的汉语声调识别徐郑丹于凤芹(江南大学物联网工程学院江苏无锡214122)摘要针对语音信号的非平稳性，采用SPWD(smoothedpseudoWigner．Villedistribution)将韵母语音信号在时频面清晰地表现出来。不同声调语音的时频脊的变化特征不同。利用阈值和细化处理将SPWD时频矩阵转变成二值矩阵图像，利用Hough变换提取脊线；而第

2、三声时频脊是曲线，将Hough变换求取的线段用最小二乘法多项式进行拟合；在脊线段上等间距选取若干个点，将点集和其一阶差分作为时频脊特征，利用高斯混合模型进行识别分类。仿真实验结果表明，该方法很好地对声调进行了识别，平均识别率为86．48％，第二声识别率提高的幅度最大，提高了5．18％；在不同的信噪比下，识别率最大可提高5．62％。关键词声调识别平滑伪Wigner—Ville分布时频脊Hough变换最小二乘法多项式拟合中图分类号TN912．3TP391文献标识码ADOI：10．3969／j．issn．1000-386x

3、．2014．03．038CHINESEToNERECoGNITIoNBASEDONSPWDTIME-FREQUENCYRII)GEFEATUREEXTRACTIoNXuZhengdanYuFengqin(SchoolofInternetofThingsEngineering，JiangnanUniversity，Wuxi214122，Jiangsu，China)AbstractForthenon-stabilityofspeechsignals，weuseSPWDtoclearlymanifestthevowelsp

4、eechsignalsontime·frequencyplane．Thevariationfeaturesoftime-frequencyridgesdifferfromdifferentspeechtones．WeusethresholdandrefinedprocessingtoconvertSPWDtime-~equencymatrixtoabinarymatriximage，anduseHoughtransformtoextractridgelines．Butthetime一~equencyridgeofth

5、ethirdtoneiscurve，thelinesegmentobtainedbyHoughtransformisfittedwiththemethodofleastsquarespolynomial；Weselectsomepointsequidistantlyontime—frequencyridgeline，andusethepointsetanditsfirstdifferenceasthefeatureofthetime一~equeneyridge，thenuseGaussianmixturemodel(

6、GMM)toconductrecognitionandclassification．Simulationexperimentalresultsshowthatthismethodisverygoodtothetonerecognitionanditsaveragerecognitionrateis86．48％．Theimprovementextentofthesecondtone’Srecognitionrateisthehighest，ashighas5．18％．AndindiferentSNR，themaximu

7、mimprovementofrecognitionratereaches5．62％．KeywordsTonerecognitionSmoothingpseudoWigner··VilledistributionTime-frequencyridgeHoughtransformPolynomialfittingwithLeastsquaresmethod语音信号是非平稳信号，且声调的信息主要反映在浊音段，0引言平滑伪Wigner-Ville分布SPWD是分析非平稳信号的一种有力工具，具有很好的时频聚集性。本文采用SPW

8、D的方法将韵母汉语普通话是一种带有声调的语言。汉语普通话中将声调语音信号在时频面清晰地表现出来。在时频图中时频脊线表示分成了四类：一声、二声、三声和四声。声调在汉语普通话中承的是瞬时频率的变化过程，是信号能量最集中的区域。SP—担着非常重要的构字辩意作用，在语音识别中结合声调特征有WD时频脊线清晰、形象地表现了不同声调脊线随时间的变化。助于提高