語種辨識(shí)

1、1語言辨識(shí)的基本概念語言辨識(shí)的基本概念自動(dòng)語言辨識(shí)（又稱語種識(shí)別），是計(jì)算機(jī)分析處理一個(gè)語音片段以判別其所屬語種的技術(shù)。隨著當(dāng)前全球合作的增長，各種余元之間的通信要求增加，這就對(duì)自動(dòng)語言識(shí)別提出新的挑戰(zhàn)，在機(jī)械能夠懂得語言含義之前，必須辨別使用了哪種語言。自動(dòng)語言辨識(shí)的任務(wù)在于快速準(zhǔn)確的辨識(shí)出所使用的語言，目前它已經(jīng)成為通信和信息領(lǐng)域一個(gè)新的學(xué)科增長點(diǎn)。自動(dòng)語言辨識(shí)技術(shù)的學(xué)術(shù)特點(diǎn)在于它橫跨技術(shù)的融合。對(duì)它的研究，不僅需要掌握信息理論和技

2、術(shù)，而且需要具有多種信息處理的手段和方法。眾所周知，語音中包含著多種信息，從語音中提取不同的信息進(jìn)行處理也就形成了不同語言處理方法。從內(nèi)容上分，語音中包含著所屬語言種類的信息、說話內(nèi)容的語義信息和說話人個(gè)體特征因此從識(shí)別的角度來說，我們可以利用從語音中提取的這些信息進(jìn)行識(shí)別，語音信息的識(shí)別可以分為語音識(shí)別、語言辨識(shí)和說話人識(shí)別。語音識(shí)別中要提取出包含在語音信號(hào)中的字詞意思和言語內(nèi)容，說話人識(shí)別則是從語音信號(hào)中獲取說話人的身份，語言辨識(shí)是

3、從語音信號(hào)中提取出包含的語言的種類（或方言的種類）。與語音識(shí)別和說話人識(shí)別不同的是，語言辨識(shí)利用的是語音信號(hào)中的語言學(xué)信息，而不考慮語音信號(hào)中的字詞意思，不考慮說話人的個(gè)性。語種識(shí)別在信息檢索和軍事領(lǐng)域都有很重要的應(yīng)用包括自動(dòng)轉(zhuǎn)換服務(wù)多語言信息補(bǔ)償?shù)?。在信息服?wù)方面很多信息查詢中可提供多語言服務(wù)但一開始必須用多種語言提示用戶選擇用戶語言。語種辨識(shí)系統(tǒng)必須預(yù)先區(qū)分用戶的語言種類以提供不同語言種類的服務(wù)。這類典型服務(wù)的例子包括旅游信息、應(yīng)急

4、服務(wù)、以及購物和銀行、股票交易。例如AT&T向處理911緊急呼救的社會(huì)機(jī)構(gòu)和警察局推出語言熱線服務(wù)。圖1說明了兩個(gè)講不同語言的人是如何通過一個(gè)多語言話音系統(tǒng)進(jìn)行交流。自動(dòng)語言辨識(shí)技術(shù)還能夠用于多語言機(jī)器翻譯系統(tǒng)的前端處理當(dāng)對(duì)大量錄音資料進(jìn)行翻譯分配時(shí)需要預(yù)先判定每一段語音的語言。隨著信息時(shí)代的到來以及國際因特網(wǎng)的發(fā)展語言辨識(shí)越來越顯示出其應(yīng)用價(jià)值國際上也一直進(jìn)行著卓有成效的研究和系統(tǒng)開發(fā)。圖1不同語種說話人交流系統(tǒng)與語音處理的其他領(lǐng)域相

5、比自動(dòng)語種識(shí)別是一個(gè)相對(duì)較新的領(lǐng)域。盡管在某些方面其類似于自動(dòng)語音識(shí)別、說話人識(shí)別和聲調(diào)檢測(cè)但所有這些任務(wù)之間的差別很大。理論上來講不同語言之間的差別是多方面的而且差別較大。盡管在各種層次上都可以找到這些差別(如音素目錄音素的聲學(xué)實(shí)現(xiàn)詞匯音位結(jié)構(gòu)規(guī)律性和詞法等等)由于在任何層次上都不存在可靠的算法因此可靠的語言辨識(shí)仍舊是一個(gè)難題。2語言辨識(shí)的發(fā)展語言辨識(shí)的發(fā)展自動(dòng)語言辨識(shí)的研究可以追溯到20世紀(jì)70年代，與語音識(shí)別的其它方向相比較，自動(dòng)

6、語言辨識(shí)進(jìn)展較為緩慢，在1993年之前的20多年里用英語發(fā)表的文獻(xiàn)中，只能找到14篇用戶1語種識(shí)別系統(tǒng)語言識(shí)別系統(tǒng)語言文本翻譯系統(tǒng)語言合成用戶2括線性預(yù)測(cè)系數(shù)、線譜對(duì)系數(shù)、線性預(yù)測(cè)倒譜系數(shù)（LPCC）及其組合等參數(shù)；由語音頻譜直接導(dǎo)出的參數(shù)，如基音（Pitch）及其輪廓、美爾頻譜倒譜系數(shù)（MFCC），感知線性預(yù)測(cè)（PLP）參數(shù)和口音敏感倒譜系數(shù)（C）等。需要指出的是，上述的參數(shù)不僅可用于語言辨識(shí)，它們也是說話人識(shí)別，關(guān)鍵字檢出和連續(xù)語音

7、識(shí)別中的常用參數(shù)，因此，現(xiàn)有的特征提取方法并不針對(duì)語言辨識(shí)，而是一種通用方法，這樣，提取的特征也不能很好的反映各種語言獨(dú)特的信息。此外，一個(gè)面向應(yīng)用的語言辨識(shí)系統(tǒng)會(huì)遇到許多實(shí)際的情況，比如傳輸信道帶來的信號(hào)畸變的影響、環(huán)境背景噪聲的影訓(xùn)練與識(shí)別環(huán)境不同帶來的影響等等，這些都給語音特征參數(shù)的研究帶來了挑戰(zhàn)。模型建立是指在訓(xùn)練階段用合適的模型來表征這些特征參數(shù)，使得模型能夠代表該語言的語音特性。對(duì)模型的選擇主要應(yīng)從語音的類型、所期望的功能、

8、訓(xùn)練和更新的難易程度以及計(jì)算量和存儲(chǔ)量等方面綜合考慮。當(dāng)前有多種模型可供選擇，一般可分為模板匹配、概率生產(chǎn)模型和判別模型等。按照不同的模型和特征列出如圖3.2的語音辨識(shí)系統(tǒng)框圖。分類依據(jù)語音的發(fā)音方式說話人詞匯量的大小識(shí)別的方法應(yīng)用場(chǎng)合孤立詞語音識(shí)別系統(tǒng)特定人語音識(shí)別系統(tǒng)小詞量(10100)動(dòng)態(tài)時(shí)間規(guī)整（DWT）、矢量量化（VQ）命令識(shí)別等連接字語音識(shí)別系統(tǒng)中詞量（100500）隱馬爾可夫模型（HMM）文字記錄等類別連續(xù)語音識(shí)別系統(tǒng)非特

9、定人語音識(shí)別系統(tǒng)大詞量（500以上）隱馬爾可夫模型（HMM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）語音理解等圖3.2語音辨識(shí)系統(tǒng)分類模板匹配模型典型的例子有最鄰模型（NearestNeighb，NN）模型，動(dòng)態(tài)時(shí)間規(guī)整（DynamicTimeWarpingDTW）模型和矢量化（VQ）模型。模板匹配模型的不足之處在于不能全面地反映樣本分布及統(tǒng)計(jì)特性，適應(yīng)性差，因此語言辨識(shí)應(yīng)用有限。概率統(tǒng)計(jì)生成模型是指采用某種概率密度函數(shù)來描述各種語言的語音特征空間的分

10、布情況，并以該概率密度函數(shù)的一組參數(shù)作為語言的模型。典型的有隱馬爾可夫模型（HMM）、高斯混合模型（GMM）。概率統(tǒng)計(jì)生產(chǎn)模型由于考慮了語音的統(tǒng)計(jì)特征，因此能較全面地反映每種語言的統(tǒng)計(jì)信息。在識(shí)別階段，用訓(xùn)練階段建立的語言模型對(duì)測(cè)試語音的特征參數(shù)進(jìn)行某種形式的模式匹配，從而得出相似性得分：判決模塊根據(jù)該相似得分并依據(jù)特定的規(guī)則給出最終識(shí)別結(jié)果。對(duì)于模塊匹配模型，比較J模塊和測(cè)試語音X的距離，距離最近的模板種類則判決為該測(cè)試語音的語言種類