CN115019775B 一种基于音素的语种区分性特征的语种识别方法 （昆明理工大学）

一种基于音素的语种区分性特征的语种识本发明涉及一种基于音素的语种区分性特征的语种识别方法，属于音频信号处理技术领据库获取多语种语料，针对多语种语料对TIMIT据音素识别器输出的不同语种的帧音素概率特2Step6：在TIMIT音素集基础上，根据不同语3合模型GMM的分类性能更加优越，但是这种基于二维语音特征重构仅应用于语音语谱图或[0007]本发明要解决的技术问题是提供一种基于音素的语种区分性特征的语种识别方概率向量的信息熵做TIMIT集外音素扩充，并且以语音段为单位推导语音段的音素向量及性的特征，最后将所构造的音素语种区分性信息转为灰度图，采用经典的残差神经网络4语种的语种区分性的音素后验概率特征，基于TIMIT音素集的音素扩充是该语种区分性特5包中的AudioSegment将音频采样频率统一转为16000Hz并且将音频文件格式统一转码为单[0052]在对语音进行端点检测前，需要找到语音的一段静音段，(取无话段长度为0.16语音帧所作的分析不用考虑语音长时连续信息，故取出的语音分析帧长可以尽可能的小，[0071]音素识别器最主要的是是音素语音学区分性特征构建模块，在TIMIT数据集中抽7[0073]TIMIT数据集明确了构成不同语音段各个音素在语音中的具体位置，根据音频音[0078]计算一帧长度为N的语音信号的能量(语音信号能量大于噪音能量)如式[0082]一帧长度为N的语音信号;(m),经过FFT变换后，其中第k条谱线频率分量fk的能[0084]语音第i帧信号?(m)的谱熵如式(10)：[0086]语音第i帧信号?(m)的谱熵如式(11)：8[0096]LPC预测采用建立全极点模型的方法：模型输入周期脉冲或者白噪声序列序列u[0098]求一帧语音信号的预测值"(n),采用自相关法求帧语音信号的线性预测式(17)基音频率预处理采用滤波的方式不同的是求共振峰时所做的预处理是预加重，如式(18)，[0107]c2(n)=z;(n)-aar;(n-1)式(18)[0110]语音LPC系统函数模型的频率响应与语音的短时傅里叶变换是通过短时自相关函9[0116]根据语音LPC系统函数模型的频率响应、语音的短时傅里叶变换和语音短时自相[0125]性预测多项式根等于非共振峰的根(根幅值小于0.9)加共振峰的根(复极点较为采用寻根法以设定根幅值阈值来提高共振峰识别差逼近信号的短时傅里叶变换的频率响应(误差主要在频谱幅值较低的区域)；p也体现了激励有关的频谱特征，此发明在此采用根幅值阈值反馈的方式实现可变阶次的LPC线性预[0129]对齐的共振峰频率作为共振峰的类内区间，不同的共振峰作为不同的类，采用[0132]音素的每一帧对应着一个音素语音学特征向量这个向量是一个1维的包含7个元[0134]将帧级的音素区分性特征输入GMM模型进行训练和测试，生成每个特征帧在当前[0138]音素语音学语种区分性特征构建的依据是不同的语种在语言表达中的音素分布的统计概率和音素排列分布的后验概率为主构建音[0145]在英语外的其他语种求出的音素概率向量中每个音素oi对应的概率pi都接近于[0152]Step6.2.4：求音素qq音段单元音素音素向量ph3以及语音段单元音素概率向式(29)