维吾尔语腭裂语音测试词表对腭咽闭合不全患者辅音发音的评估价值

目的分析维吾尔语腭裂语音测试词表对维吾尔族腭咽闭合不全患者辅音发音的评估价值。方法采用维吾尔语腭裂语音测试词表对35例维吾尔族腭裂术后腭咽闭合不全患者的录音资料进行评估,比较各类目标辅音的发音错误率。结果 35例患者的语音清晰度范围为16.7%~68.2%。辅音发音错误率为8.6%~67.6%。在维吾尔语腭裂术后腭咽闭合不全患者中,浊音与清音错误率比较无统计学意义(P>0.05),按发音方式和发音部位分类比较差异均有统计学意义(P均<0.05),其中按照发音方式分类时,塞擦音、塞音、颤音及擦音的错误率较高;鼻音及边音的发音错误率较低。按照发音部位分类时,舌面后音、舌面音、舌尖前音及舌根音错误率较高,唇齿音及喉音错误率较低。结论维吾尔语腭裂语音测试词表中,除外鼻辅音、边音及喉清擦音组成的词语,舌尖中浊塞音和舌面后浊塞音、舌面浊塞擦音在维吾尔语中较为独特存在的颤音/r/、舌根清塞音/q/及舌根浊擦音//组成的词语可作为测试语料对维吾尔语腭裂患者的腭咽闭合功能进行语音评估。

说话人自适应技术在维吾尔语语音识别中的应用研究

该文针对维吾尔语说话人之间的发音差异会在一定程度上影响维吾尔语语音识别系统的性能这一情况研究了说话人自适应技术,将目前较为常用的MLLR和MAP以及MLLR和MAP相结合的自适应方法应用于维吾尔语连续语音识别的声学模型训练中,并用这三种方法自适应后的声学模型分别在测试集上进行识别实验。实验结果表明MLLR、MAP以及MAP+MLLR自适应方法使基线识别系统的单词错误识别率分别降低了0.6%、2.34%和2.57%。

面向大词汇量的维吾尔语连续语音识别研究

近年来大词汇量连续语音识别技术得到了迅速的发展,国内外研究机构加大了对汉语和英语语音识别技术的研究,然而,维吾尔语语音识别技术的研究工作最近才起步。建立了面向大词汇量的维吾尔语语音语料库,研究了维吾尔语声学模型和语言模型建模技术、解码技术,进行了面向大词汇量的维吾尔语连续语音识别实验。对维吾尔语大词汇量连续语音识别技术进一步发展中存在的问题进行了讨论。

维吾尔语大词汇语音识别系统识别单元研究

维吾尔语是一种黏着语,单词不太适合作为维吾尔语大词汇连续语音识别系统识别单元。针对维吾尔语大词汇连续语音识别系统中的识别单元选择问题,设计更适合维吾尔语的子词识别单元,提出维吾尔语单词和子词相结合的组合识别单元构建方法,并对单词、子词和组合识别单元的语言模型和语音识别性能进行评价。实验结果表明,所提出的识别单元在单元数量、语言模型复杂度等方面表现出更加优越的性能,并且使识别系统的单词错误率比基于单词的系统相对减少22%。

维吾尔语连续语音识别声学模型优化研究

综合了语音识别中常用的高斯混合模型和人工神经网络框架优点的Tandem特征提取方法应用于维吾尔语声学模型训练中,经过一系列后续处理,将原始的MFCC特征转化为Tandem特征,以此作为基于隐马尔可夫统计模型的语音识别系统的输入,并使用最小音素错误区分性训练准则训练声学模型,进而完成在测试集上的识别实验。实验结果显示,Tandem区分性训练方法使识别系统的单词错误率比原先的基于最大似然估计准则的系统相对减少13%。

维吾尔语的重音检测

根据维吾尔语词重音的位置规律进行音节级标注,提取不同的特征参数(能量、基频等),对各个特征参数作单流、分流及特征级融合识别实验,对比分析各特征参数对重音检测识别率的影响。对融合后的高维单流特征采用主成分分析作降维、去冗余处理,并作识别实验。参照识别精确率结合语音语言学知识对实验结果进行分析。

Linux系统下基于SCIM的多语种混合输入法系统

本文比较了新疆地区广泛使用的维吾尔,哈萨克,柯尔克孜等少数民族语言与汉语在计算机输入处理方面的差异。分析了SCIM(SmartCommonInputMethod)的设计结构和工作原理,在此基础上提出了一个符合这两种不同语言体系书写规范的基于SCIM的输入法系统设计,并给予了实现。这种方案具有开放性,普通适用性和混合输入多种文字的特点。

维吾尔语语音检索技术研究

随着大数据时代的到来,各种音频、视频文件日益增多,如何高效地定位关键敏感信息具有非常重要的研究意义。目前研究人员对针对英语和汉语的语音检索技术进行了深入的研究,而针对维吾尔语的语音检索技术还处于起步阶段。该文对维吾尔语语音关键词检索技术进行了研究并采用了大词汇量连续语音识别、利用聚类算法将多候选词图转换为混淆网络、倒排索引、置信度以及相关度的计算等技术和方法,对维吾尔语语音检索系统进行了研究与搭建。最后在测试集上对该系统进行测试,测试结果显示,在语音识别正确率为82.1%的情况下,检索系统的召回率分别达到97.0%和79.1%时,虚警率分别为13.5%和8.5%。

面向少数民族的C语言实践教学方法研究

新疆经济社会发展需要信息工程技术人才。由于少数民族学生水平差异较大,在C语言教学需要更为符合学习情况的教学方法。该文通过对少数民族学生在C语言教学遇到的问题进行研究,强调了开设计算机导论和专业汉语和英语课程的重要性,提出了面向多语种信息处理技术的实践教学方法以及多样化的考核制度,期望能以此提高少数民族学生的实践能力和创新能力。

关于维吾尔语口语语料的三音子选取方法研究

在大词汇量连续语音识别应用中,优质的语音训练语料是所有识别工作的基础和前提,能否挑选出覆盖更多语音现象的语料是提高语音识别性能的关键。该文在多种维吾尔文口语化传播平台中采集了大量口语句子语料,并考虑协同发音的影响和常用词的适用性,根据评估函数对语料筛选。经过筛选后的语料包含的三音子更加均衡和高效,囊括的语音现象更加全面,为训练准确而牢靠的语音模型打下了稳固的根基。

Windows CE.Net嵌入式操作系统本地化研究及实现

本文对嵌入式Windows CE.Net操作系统的主要体系结构进行剖析.研究设计出了维吾尔文本地化环境,利用资源编译器编译和反编译功能,构建了基于Windows CE.Net平台的维吾尔文图形用户界面资源库,实现Windows CE.Net的界面维文化和基于Windows CE.Net的应用程序的维文支持;开发了输入法程序,实现Windows CE.Net的维吾尔文字键盘输入和软键盘输入;通过编制维吾尔文字库,为Windows CE.Net平台下维吾尔文字的显示、打印提供了基础.

哈萨克语元音格局研究

由于哈萨克语构词法的特点,九个元音的声频特性在语音识别中具有重要的作用。该文采用实验语音学的基本理论和方法,研究了哈萨克语多音节词中的元音格局。针对从语音库中挑选的1 062个多音节词,分别对其词首、词腹和词尾音节中的元音共振峰频率值进行统计,并采用Joos方法详细地归纳和分析了哈萨克语词首、词腹和词尾音节元音格局以及存在的差异,绘制出了哈萨克语多音节词元音的共振峰模式。该项研究结果对哈萨克语的语音研究及应用具有较高的参考价值。

维吾尔语音素的声学特征分析

该文对不同语速下,人工标注的维吾尔语连续语音语料中各音素进行共振峰频率、音长、音强的统计分析,并完成辅—元结构下的塞音、塞擦音的声学特征分析。该文通过美尔频率倒谱系数与共振峰频率等声学特征的融合及模型状态数的修改,对维吾尔语音素识别的声学模型进行了改进,并验证了不同声学特征对音素识别的影响。相比于基线系统,改进后声学模型的识别率取得一定提升。同时,利用语音学知识分析维吾尔语易混淆音素产生原因,为音素识别声学模型的进一步改进提供参考依据。

RNN编码器-解码器在维汉机器翻译中的应用

将RNN编码器-解码器作为传统的基于短语的PSMT系统的一部分,在传统统计机器翻译基础上,集成RNN解码器-编码器,兼容PSMT创建了新联合模型(RNN+PSMT)。新的模型不仅在维-汉、汉-英机器翻译的应用中取得了成效,而且能够捕捉到语言的规律,使得机器翻译中的一个重要评价指标的BLEU值得到了显著提高。实验结果表明,系统的整体性能超过了传统统计机器翻译。

基于N元模型的维吾尔文文本分类技术研究

考虑到维吾尔文词干提取、词性标注等工具不够成熟和相关的开源资源很少的实际情况,提出了基于N元模型的维吾尔文文本分类技术。其特点是不需要任何自然语言处理工具,拼写错误率对分类结果的影响很低。在训练阶段分别提取字符级别的三元和四元模型构造不同规模的N元词典,在分类测试阶段分别用曼哈顿距离计算和骰子测量对文本进行分类。实验结果表明,当四元模型词典的规模为500时,使用骰子测量分类时性能最佳,平准准确率达到86.56%。

基于统计专用字符的维、哈、柯文文种识别研究

在Unicode编码方案中维、哈、柯文字符安排在阿拉伯字符区域,三种语言中共享字符比较多,跟阿拉伯字符区域混在一起,没有专用的语言ID。在信息检索和自然语言处理领域对维、哈、柯文的识别、处理带来不便。该文首先分析并总结了维、哈、柯文三种语言中的专用字符、复合字符、某些字符在某种语言中出现形势的独特性等特征,然后在此基础上设计了维、哈、柯文种识别算法。实验结果表明该文提出的文种识别算法的正确率在文本多于70词时达到96.67%以上。

维吾尔文研究与Android维文阅读器的实现

在研究Android平台文本排版显示引擎和维吾尔文特点的基础上,通过分析维吾尔文本在多款阅读器上显示时出现的问题,找出不支持显示维文文本的原因.最后根据维吾尔文特点进行分析并设计维文阅读器架构,该架构的核心是在阅读器应用层进行维文显示渲染引擎的设计.

腭裂术后腭咽闭合不全患儿维吾尔语辅音/z/与汉语辅音/z/的声学参数比较

目的:对腭裂术后腭咽闭合不全患儿维吾尔语辅音/z/与汉语辅音/z/的声学参数进行分析与比较,寻找适用于维汉两种语言的腭裂语音通用声学参数。方法:收集2014年1月-2015年12月期间因术后复查或拟行语音治疗前来新疆维吾尔自治区人民医院口腔颌面外科的35例腭裂术后腭咽闭合不全患儿为VPI组(velopharyngeal insufficiency)与35例来自南北疆的正常儿童为正常组维汉辅音/z/的录音资料,运用PRAAT语音分析软件进行声学参数提取,用统计方法比较第一共振峰(F1)、第二共振峰(F2)、第三共振峰(F3)、第四共振峰(F4)、辅音时长(CD)及音强(CA)。结果:两组维吾尔语辅音/z/的F1、F3及F4值比较,差异均有统计学意义(P<0.05)。两组汉语辅音/z/时长F1、F2及F3值比较,差异均有统计学意义(P<0.05)。VPI组维吾尔语与汉语辅音/z/的F2及CD值比较,差异均有统计学意义(P<0.05)。正常组维吾尔语与汉语辅音/z/的F4及CD值比较,差异均有统计学意义(P<0.05)。结论:维汉辅音/z/的声学参数在腭裂术后腭咽闭合不全患儿与正常儿童语音之间的差异均显著,维汉两种语言之间存在腭裂语音通用声学参数,在将来的研究中可以寻找更多的通用参数。

基于移动智能设备的汉语学习软件的研究与实现

为了有效地满足新疆地区少数民族对学习汉语的需求,针对基于移动智能设备的汉语教学软件进行了分析和研究。根据维吾尔语的特点,提出了自动选形算法的维吾尔文显示和输入处理技术,利用语音合成技术实现了汉语学习软件的正确发音和朗读功能。在存储及处理大量的相关文件时,利用了SDF Viewer工具来创建,查看,编辑或导出数据。该软件为新疆地区少数民族提供了随时随地都能够方便的学习汉语的环境,弥补了少数民族在Windows Phone平台上没有汉语学习软件的空缺。

基于音节的维吾尔语大词汇连续语音识别系统

维吾尔语是一种黏着语,基于单词的语言模型不太适合于维吾尔语大词汇连续语音识别任务。该文提出了适合维吾尔语的基于音节的语言模型,引入最大匹配分词算法评价音节语言模型在大词汇连续语音识别任务中的单词识别性能。实验结果表明:基于音节的语言模型在未登录词和模型复杂度等方面表现出比基于单词的语言模型更加优越的性能,并且使识别系统的单元错误率比基于单词的系统减少了50%。因此,在维吾尔语语音识别任务上可以将音节作为识别单元。