- 1、本文档共63页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基於GMM及PPM模型的国、闽南-古鸿炎-台湾科技大学.doc
國立台灣科技大學
資訊工程系
碩士學位論文
中華民國 年 月 日
摘要
本論文採用梅爾倒頻譜係數及其差分係數來代表聲學特性,再以Legendre多項式和離散餘弦函數去逼近音調軌跡,而萃取出音調特性的係數。接著對這兩類係數分別建立高斯混合模型,此外,也對各個音框的特徵係數作表徵化,再去建立PPM模型,以模式化連續的表徵之間的語言特性。除了以線外實驗探討適合對國、閩南、客語三種語言作辨識的模型結構外,我們也建造了一個可供線上測試的自動語言辨識系統。在線外測試中,三種語言的平均辨識率可到達97%,而在線上的初步測試裡,辨識率則可達73%之平均值。
ABSTRACT
In this thesis, different models and model structures are studied to identify among the three languages: Mandarin, Holo, and Hakka. Acoustic features are represented as Mel-frequency cepstrum coefficients (MFCC). In addition, Legendre polynomials and discrete cosine transforms (DCT) are used to approximate the pitch contour of a voice segment. For the two kinds of features, Gauussian mixture models (GMM) are constructed respectively. Also, each frame’s feature vector is tokenized in order to construct a prediction by partial matching (PPM) model to modelize the characteristics embedded in a sequence of tokens. According to the models studied, a practical language identification system has been built. In offline tests, identification success rate can reach 97% in average. In initial online (i.e. inputting with a telephone) tests, the system can obtain a success rate of 73% in average.
誌謝
首先非常感謝我的指導教授古鴻炎老師,引導我的研究方向,並在研究過程中細心指導、耐心建議,讓我能夠完成這篇論文。此外也要感謝蔡偉和博士、鍾國亮博士、王新民博士、以及余明興博士在口試的時提供寶貴的意見以及對論文的指正,使得本論文更臻完善。
接著要感謝實驗室裡給我多方建議的學長們:許勝銘、周彥佐、王如江、曾政傑,一起努力的同學們:林正甫、游政仁、吳昌益,以及優秀的學弟們:楊善翔(協力完成線上系統)、朱楠群、梁弘學、陳忠緯。我能順利完成學業,你們的協助功不可沒。
最重要的是要感謝我的雙親:蔡修先生以及吳淑瑩女士,由於你們的支持,以及對我的關懷及鼓勵,使我能夠集中精力完成研究所的學業。
最後感謝所有幫助過我的朋友及大學時代的學長們,願這份喜悅與你們分享。
目錄
第1章 導言 1
1.1研究動機 1
1.2文獻回顧 2
1.3系統架構 3
1.4論文大綱 6
第2章 語音訊號處理及特徵萃取 7
2.1語音檔案格式 7
2.2聲學特徵 7
2.2.1語音訊號預處理 7
2.2.2 MFCC特徵參數 9
2.2.3 MFCC抽取工具:HTK 10
2.3 音調特徵 11
2.3.1計算音高 11
2.3.2音高軌跡修正 13
2.3.3音高軌跡分段 14
2.3.4 Legendre Polynomial係數 14
2.3.5 DCT轉換 17
第3章 語言辨識模型 19
3.1語言特徵 19
3.2 K-Mean分群 19
3.3高斯混合模型(GMM) 21
3.4 K-Mean based on GMM distance 23
3.5 PPM模型 24
3.6分數量測 27
第4章 線外測試實驗 28
4.1實驗語料及環境 28
4.2 MFCC GMM 混合數實驗 29
4.3 MFCC差分間距之實
您可能关注的文档
最近下载
- 《水资源供需预测分析技术规范》(SL429-2008).pdf VIP
- 传感器技术在机电一体化系统中的应用及其发展解决方案.doc
- 光伏项目质量要求培训课件.pptx
- 《市政管道工程施工》课件——3.1市政管道施工图识读.pptx VIP
- 清华大学经济研究所-新质生产力与高质量发展:2024年两会精神解读与宏观经济展望.pptx VIP
- 腰椎骨折围手术期护理.pptx VIP
- 2024年公共卫生与预防医学继续教育平台“大学习”活动线上培训栏目考试题库(1392题).docx
- 2020教科版四年级上册科学课件2.1感受我们的呼吸优质课件.pptx VIP
- 小学3-4年级红色文化教案.docx
- 国开商法第2章单选题试题及答案.docx VIP
文档评论(0)