基于HMM和小波的中英文语音的自动切分研究和实现

文摘

英文文摘

声明

第1章 绪言

1.1课题研究背景及意义

1.2语音切分方法综述

1.2.1人工切分方法

1.2.2基于隐马尔可夫模型(HMM)的自动切分方法

1.2.3基于动态时间规划(DTW)的自动切分方法

1.2.4其他方法

1.2.5总结

1.3语音自动切分的相关技术

1.3.1语音切分单元的选取

1.3.2特征参数提取技术

1.3.3模式匹配及模型训练技术

1.4本文的研究内容及安排

第2章 语音切分基元的选取

2.1英语语音学基础

2.2汉语语音学基础

2.2.1音素和音节

2.2.2元音和辅音

2.2.3声母与韵母

2.3声学模型中切分基元的选择

第3章 隐马尔可夫模型(HMM)

3.1 HMM的基本概念

3.1.1 HMM的基本概念

3.1.2语音信号HMM的物理意义

3.2 HMM的基本算法

3.2.1 HMM的三个基本问题

3.2.2 HMM的三个基本算法

第4章 小波多分辨率分析与小波包分析

4.1小波变换的定义

4.2离散栅格上的小波变换

4.3离散小波变换的多分辨率分析

4.3.1多分辨率分析的引入

4.3.2多分辩率分析的定义

4.4小波包分析

第5章 基于小波的语音感知特征参数提取

5.1语音感知的认识

5.1.1生理机制

5.1.2掩蔽效应和频率群

5.1.3 Mel频率简介

5.1.4人耳的频率分辨能力

5.2传统的语音特征参数-MFCC

5.3基于小波的语音感知特征参数

5.3.1构建基于语音感知的小波系数提取

5.3.2小波的选取

5.3.3语音分帧加窗

5.3.4小波子带系数的处理

5.3.5相关性分析与参数降维

5.3.6差分系数

5.3.7时间滤波器(Temporal Filter)

5.3.8构建参数

5.4实验结果及分析

5.4.1实验说明

5.4.2 MFCC与基于小波的语音感知参数比较

5.4.3小波子带系数选取策略的实验

5.4.4去相关性和降维实验

5.4.5添加通道平滑实验

5.4.6时间滤波器比较实验

5.4.7实验小结

第6章 HMM模型的初始化与训练

6.1 HMM模型的参数设定

6.2 HMM模型的初始化

6.2.1有标注模型初始化

6.2.2 HMM初始化的种子选取

6.3 HMM模型的训练

6.3.1有标注模型重估

6.3.2嵌入式模型重估

第7章 模型提高

7.1训练模型的修正

7.1.1英文语音自动切分

7.1.2中文语音自动切分

7.2静音切分

7.2.1静音时长阈值修正规则

7.2.2静音区域初判断方法

7.2.3消除一些辅音误判为静音的错误

7.2.4算法修正

7.2.5最终结果的生成

7.3 HMM模型精确性的提高

7.3.1上下文相关模型

7.3.2模型参数捆绑/聚类

7.4实验结果

7.4.1实验说明

7.4.2实验分析

第8章 总结和展望

8.1总结

8.2展望

参考文献

攻读学位期间发表的学术论文

致谢