基于表面肌电信号的汉语单元音声调识别

汉语是一门具有不同声调的语言。随着人在发出声调的过程中声带的振动频率是变化的。汉语的声调识别对汉语语义识别、语音合成等领域有着重要意义。已有的汉语声调识别研究在理想环境下取得了一定的成果,但环境噪声显著影响声调识别率。基于表面肌电信号(s EMG)的汉语声调识别方法不易受到噪声干扰,可成为强噪声环境下识别声调的工具之一。采用的方法是,首先采集并提取环甲肌在发出汉语元音“a”的四个声调过程中产生的s EMG时域波形,而后计算改进的MFCC。融合信号的短时时域特征与MFCC特征参数,构建1DCNN-Bi LSTM网络对四个声调进行分类识别。

汉语声调识别中的基音平滑新方法

汉语普通话是一种带声调的语言。声调可以用基音的轮廓信息进行描述。传统基音的平滑方法 :线性平滑、中值平滑和一般的线性插值方法都不能很好地处理连续的基音频率有随机错误点的情况。本文提出了一种通过搜索来得到更精确的基音轮廓的新的基音平滑方法。这种方法具有简单可靠 ,快速高效的特点。实验表明这种方法比传统的方法识别错误率降低约 40 %

基于两级BP模型的普通话声调识别系统

普通话声调识别参数除常用的基音轮廓外,基音的一阶差分、能量及能量的一阶差分等也具一定的声调特征。实验结果表明:如果将各种参数同时作为一个BP模型的输入参数,声调识别率不但没有提高,反而显著下降,因此,该文提出了将各种参数分别训练一个各自的BP网络,再将这些网络的输出作为另一高层BP网络的输入的普通话声调识别方法。另外,针对上声的特点提出了一种改进的基音平滑算法。这些方法的运用使系统的声调识别率达到90.05%。

语前聋儿童人工耳蜗植入患者的电极极间辨差阈与声调识别的初步研究

目的 通过测试语前聋儿童植入电极极间辨别能力 ,观测汉语声调识别结果 ,以了解电极极间辨差阈与汉语普通话声调辨别结果的关系 ,使言语处理方案和电听觉图更加合理和个性化。方法 14例语前聋儿童 ,Nucleus 2 4M型 (2 2通道 )人工耳蜗植入者参加本次测试。声调识别材料共 2 5组 ,采用封闭项列测试法进行测试 ,每组包括声母韵母相同、声调不同的 4个汉字。选择 7个电极与相近电极进行音高比较辨别测试 ,正确辨别出差异的最相近电极对为电极极间辨差阈值。结果声调正确识别率为 (6 2 .8± 14 .7) % ( x±s,下同 ) ,识别率最低为 35 % ,最高为 99% ,全部高于机会水平。电极极间辨差阈为 3.4± 0 .9。E 14和E 17电极的阈值最小 ,其次是E 10和E 2 0 ,与其它电极差异有显著性。不同受试者的电极极间辨差阈值差异也存在显著性。结论 人工耳蜗使用者的声调识别能力与电极极间辨别能力 ,有负相关趋势 ,但未见统计学上显著性差异 ,同时存在个体差异 。

基于连续分布型HMM的汉语连续语音的声调识别方法

本文介绍了基于连续分布型HMM的汉语连续语音声调识别方法，提出了一个适合于汉语连续语音声调识别的特征参数提取和识别方案。通过对汉语连续语音声调特点的分析，选择了8个音节单位的连续分布型HMM作为声调识别用基元模型进行识别试验，识别结果表明，10名话者1070个句子的连续语音声调识别的平均识别率是95.1％。

汉语普通话人工耳蜗使用者对声调识别的分析研究

目的初步确定人工耳蜗使用者声调感知的特点,并进行分析研究。方法利用自主开发的噪声下声调识别测试材料(tone identification in noise test,TINT)在Speech Performance测试平台的控制下对20例母语为汉语普通话人工耳蜗使用者声调识别能力进行评估,获得各声调识别成绩以及声调识别混淆矩阵。采用x^2检验(chi-square test)对本组人工耳蜗使用者汉语声调识别成绩差异进行统计学分析。结果①本组人工耳蜗使用者的汉语普通话声调识别总成绩(百分制得分)分布48.75%~98.75%,平均成绩(76.38±17.29)%;②各声识别成绩平均值差异显著(x^2=2358.357,P<0.01),由高到低分别为T3(85.75%)>T4(85.25%)>T1(69.75%)>T2(64.75%),即本组人工耳蜗植入者感知T3、T4较为容易、感知T1、T2较为困难;③声调识别混淆矩阵提示T2(35.35%)、T1(30.25%)混淆度明显高于T4(14.75%)、T3(14.25%),并目各个声调之间的混淆趋势不同,T1易被混淆为T2(18.25%)、T2易被混淆为T3(24.00%)。结论时域特性明显的声调更易被人工耳蜗群体识别,因此应根据声调感知难易程度制定针对性的声调康复训练方案,综合利用听觉信息和视觉信息改善声调,特别是一声、二声的识别能力。

语前聋患者人工耳蜗植入后声调识别能力研究

目的分析语前聋患者人工耳蜗植入后声调识别的特点,为编制适用于汉语的人工耳蜗言语编码策略提供参考资料。方法23名语前聋患者,人工耳蜗植入时年龄2～18岁,均使用人工耳蜗1年以上。按人工耳蜗植入时年龄分为6岁以下和6岁以上两组,分别测试患者对一声与二声、一声与三声、一声与四声、二声与三声、二声与四声、三声与四声6种声调组合的识别能力。结果6岁以上组患者一声与二声分辨测试得分最低,与其余5种组合测试得分之间的差异有统计学意义(P<0.05);三声与四声分辨的测试得分最高,除二声与四声组合外,与其余4种组合测试得分之间的差异有统计学意义(P<0.05)。6岁以下组患者一声与二声分辨的测试得分最低,三声与四声分辨的测试得分最高。6种不同声调组合测试得分之间的差异无统计学意义(P>0.05)。6岁以下组患者6种不同声调组合测试的得分均高于6岁以上组。结论语前聋患者最易区分三声与四声之间的差别,而一声与二声之间的差异最难分辨。语前聋患者植入人工耳蜗越早,使用人工耳蜗时间越长,其声调识别能力越好。

支持向量机的汉语连续语音声调识别方法

声调信息在汉语语音识别中具有非常重要的意义。采用支持向量机对连续汉语连续语音进行声调识别实验,首先采用基于Teager能量算子和过零率的两级判别策略对连续语音进行浊音段提取,然后建立了适合于支持向量机分类模型的等维声调特征向量。使用6个二类SVM模型对非特定人汉语普通话的4种声调进行分类识别,与BP神经网络相比,支持向量机具有更高的识别率。

频域和时域信息对连续交替取样策略汉语声调识别的贡献

文献研究表明,在电子耳蜗连续交替取样策略中,时域信息特别是包络随时间的变化轨迹对汉语声调识别有重要影响。在本文中,调整原始信号的包络轨迹,使四个声调的信号具有大体相同的包络变化曲线,称为调整信号。原始信号和调整信号分别通过C IS方案模拟,进行识别率对比。结果显示,在C IS方案中,时域信息对汉语声调识别有重要影响,但是频域信息是汉语声调识别的首要因素。

用于汉语单音节声调识别的基频轨迹拟合方法

基于Target模型的思想,对汉语声调基频轨迹进行研究,总结了四种声调曲线参数的变化规律,提出了对基频轨迹进行分段曲线拟合的方法。使用该方法提取出的反映基频变化趋势的特征向量,在不受基频曲线两端不准确点影响的同时起到了长度归一化的作用。使用该向量进行声调识别,取得了95.17%的满意识别结果。

时域和频域信息对汉语普通话声调识别的影响

目的通过探讨时域和频域信息对听力正常人声调识别的影响,试图为人工耳蜗汉语言语编码策略的编制提供理论依据。方法共有13名听力正常人参加本次研究,均以普通话作为日常交流方式。测试材料使用美国Ohio大学提供的声调识别测试系统。测试系统包含10组测试词。每组测试词的声、韵母相同而声调不同。将上述测试词录制成原始声音文件。采用声码器技术处理录制的原始声音。将决定时域信息的低通滤波器的截止频率设为1、2、4、8、16、32、64、128、256和512Hz,共10种;将决定频域信息的通道数设为1、2、4、6、8、12、16和20,共8种。经不同的排列组合,共产生6400个处理后的声音文件。测试在标准隔声室内进行。测试声音通过扬声器发出,强度为65dBSPL。声音的发出和成绩的记录均由Matlab软件自动完成。结果听力正常人的声调识别得分随着低通滤波的截止频率和通道数的增加而增加。当低通滤波的截止频率在2Hz以下时,是否增加通道数对声调识别得分基本没有影响。当通道数在2以下时,是否增加低通滤波的截止频率对声调识别得分基本没有影响。结论听力正常人的声调识别与时域和频域信息均相关。时域信息和频域信息在听力正常人的声调识别中的作用是协同的。

汉语连续语音中声调识别的特殊性研究

大词汇连续语音识别是当前语音识别研究的主流 ,探讨其中声调识别的特殊性是一项有意义的工作 .本文从声调获取、语音分割、声调模式和声调识别等四个方面进行了研究 ,通过对现有研究成果的分析和总结 ,并结合自己的研究工作 ,得出了若干结论 。

基于SVM的非特定人声调识别的研究

在建立非特定人普通话四声语调语音数据库的基础上,采用Mel频率倒谱系数(MFCCs)对语音数据进行特征参数的提取,并利用支持向量机(SVM)对语音中的四种声调进行了训练和识别研究。实验结果表明MFCCs和SVM的结合得到的平均识别率达到了97.6%。

支持矢量机的汉语声调识别

提出了一种支持矢量机的汉语声调识别新方法。论文首先在基频和对数能量的基础上,建立了一个适合于支持矢量机分类的等维声调特征。然后对支持矢量机的多分类策略和不同核函数对声调识别的影响进行了实验研究。与BP神经网络相比,支持矢量机具有更高的识别率和更强的推广能力。

基于小波变换的汉语声调识别新方法

利用小波变换能够模拟人耳听觉特性的优点及其时频局部化特性，对实际语音信号进行分析．根据小波变换模极大值原理以及语音信号的奇异和瞬态特性，提出了一种新的小波变换峰值检测算法．该算法可用于精确提取语音的基音周期，准确进行声调识别．最后，给出应用实例说明了本文算法的有效性．

人工耳蜗植入儿童术后声调识别能力跟踪评估

目的分析人工耳蜗植入年龄、性别、康复时间对声调康复效果的影响。方法对272例2~6岁植入人工耳蜗听障儿童采用三因素混合实验设计,分析人工耳蜗植入儿童的年龄、性别、康复时间（自变量）与听觉识别率（因变量）的关系。结果康复时间和年龄对声调识别率的主效应显著（P〈0.001）;性别对声调识别率的作用无统计学意义（P〉0.05）;康复时间和年龄对声调识别率的交互作用显著（P〈0.001）。结论年龄和康复时间是影响声调识别能力的重要因素,年龄越小,随康复时间的延长其声调识别能力越好。

FUZZY ARTMAP在三字词声调识别中的应用

三字词音节声调模式具有连续语音中音节声调模式的特征,声调的提取和识别远较孤立字困难。采用小波变换方法提取语音基音,用Fuzzy ARTMAP神经网络进行声调识别,获得了比BP网络更好的实验结果。分析了仿真参数对识别结果的影响,讨论了Fuzzy ARTMAP神经网络中的过拟合问题,给出了一种基于Fuzzy AR-TMAP神经网络的三字词声调识别方法。

滤除低频音对听力正常人声调识别的影响

目的研究高通滤波器滤除低频音对于听力正常人声调识别的影响。方法21名(33耳)听力正常人为测试对象,采用听觉障碍者听力言语康复训练评价系统对原始音和高通滤波后声音分别进行测试,强度从50dBSPL开始递减,记录滤波前后的声调识别率,进行统计学分析。结果声调的识别率在滤波前后均符合正常言语听力图的S型曲线,经统计学分析,声调识别率在绝大部分测试强度滤波前后差异无显著统计学意义(P>0.05)。结论在高通滤波器滤除低频后,听力正常人仍可对声调进行正确识别。

噪声环境下的汉语声调识别

利用语音信号与噪声信号具有不同相关特性的特点,提出了一种新的加权自相关基频检测算法,该方法可以提高噪声环境下基音检测的准确性。在分类器设计方面,通过引入支持矢量机,进一步提高低信噪比下的汉语声调识别率。实验结果表明,新方法对提高噪声环境下的声调识别效果是十分有效的。