聲調(diào)信息在中文語音識(shí)別系統(tǒng)中的應(yīng)用研究.pdf

1、在中文中，聲調(diào)是區(qū)分字義和確定上下文單詞的關(guān)鍵信息之一。在聲學(xué)模型中使用精簡的聲調(diào)模型可以大幅度提高現(xiàn)代語音識(shí)別系統(tǒng)的性能。然而，由于基頻這個(gè)用以表征聲調(diào)參數(shù)的某些特點(diǎn)，平常的HMM無法應(yīng)用于基頻建模。用于聲調(diào)建模的基頻主要包括以下兩個(gè)特點(diǎn)： 1) 基頻僅能在濁音段被探測(cè)到，而在清音靜音段并不存在。正由于基頻包絡(luò)在清音靜音段與濁音段存在的基頻值的不連續(xù)性，普通的連續(xù)密度隱馬爾可夫模型是無法進(jìn)行聲調(diào)建模的。 2) 聲調(diào)表現(xiàn)

2、的是基頻變化的趨勢(shì)，按照短時(shí)窗長提取的基頻參數(shù)無法滿足表達(dá)長時(shí)變化的要求，因此需要一個(gè)能夠表達(dá)長時(shí)基頻變化的模型。 本文針對(duì)上述兩個(gè)問題，分別提出了豐甘應(yīng)的解決方案： 1) 將MSD(多空間分布)應(yīng)用于聲調(diào)建模。由于不像傳統(tǒng)的基頻差值的方法需要在清音靜音段對(duì)基頻進(jìn)行分布假設(shè)而創(chuàng)造出基頻值，因此這個(gè)方法近似完美地解決了即時(shí)聲調(diào)建模的問題。本文使用基頻進(jìn)行聲調(diào)建模，使用MSD模型。該方法假設(shè)存在兩個(gè)可能的空間，一個(gè)離散符號(hào)表

3、示清音靜音段的基頻，一個(gè)高斯密度函數(shù)(pdf)表征存在基頻的濁音段，并使用一個(gè)概率值來標(biāo)識(shí)分別落在這兩個(gè)空間的可能性。 2) 使用了一個(gè)兩遍搜索識(shí)別結(jié)果的框架來提高帶聲調(diào)音節(jié)的識(shí)別正確率。在第一遍搜索中，使用MSD-F|MM解碼得到表示壓縮了搜索空問的格(Lattice)的表示；在第二遍搜索中，使用第一遍搜索得到的信息可以計(jì)算長時(shí)基頻參數(shù)。在長時(shí)聲調(diào)模型中導(dǎo)入該參數(shù)，計(jì)算聲調(diào)得分，可以用來在第二遍重排序識(shí)別結(jié)果。 本文中