基于支持向量机的汉语声调识别

【摘要】声调识别是汉语语音识别的重要组成部分，采用支持向量机对汉语语音进行声调识别实验，首先提取出语音的基频和能量参数，然后建立了适合支持向量机分类的等维声调特征向量，最后设计了6个二类支持向量机对测试语音进行分类识别，得到了理想的识别结果。

【关键词】声调识别；支持向量机；MATLAB

1.引言

汉语中每个汉字的最小发音单位是音节，每个音节由声母、韵母和声调组成，声调有4种，加上轻声有五种。声调是汉语的重要特征之一，携带了重要的语义信息，不同的声调和音节的组合代表了不同的含义。声调信息对汉语语音识别和汉语语音合成有很重要的影响，加入了声调信息，可以大大提高语音识别的精度和速度。因此，声调识别研究是一项很重要也很有意义的工作。

3.支持向量机设计

支持向量机（Support Vector Mach-ine，SVM）是建立在统计学习理论基础上的一种新型的模式分类器。目前SVM已在很多领域发挥了作用，包括模式识别（人脸识别、语音识别等）、数据挖掘、信号处理等。

5.结束语

本文主要讨论了支持向量机在声调识别中的应用，以基频、基频差分、能量和能量差分组成的特征参数，然后设计了6个二分类支持向量机对声调进行识别。从识别结果可以看出SVM对汉语声调能有效的进行识别，具有很强的分类识别能力。

参考文献

[1]钟金宏,杨善林,蒋俊杰.汉语连续语音中声调识别的特殊性研究[J].小型微型计算机系统,2002,23(4):470-473.

[2]肖汉光,蔡从中.基于SVM的非特定人声调识别的研究[J].计算机工程与应用,2009,45(9):74-176.

[3]顾明亮,夏玉果,杨亦鸣.支持矢量机的汉语声调识别[J].声学技术,2007,26(6):1186-1190.

[4]傅德胜,李仕强,王水平.支持向量机的汉语连续语音声调识别方法[J].计算机科学,2010,37(5):228-230.

[5]顾明亮,夏玉果,王劲松.噪声环境下的汉语声调识别[J].计算机技术与发展,2007,17(6):70-72.

[6]章文义,朱杰,徐向华.利用声调提高中文连续数字串语音识别系统性能[J].上海交通大学学报,2004,38(2):185-188.

[7]赵瑞珍,宋国乡,屈汉章.基于小波变换的汉语声调识别新方法[J].信号处理,2000,16(4):357-361.

[8]赵春霞,徐近霈.一种汉语单音节基音提取与声调识别方法[J].应用声学,1989,9(3):31-37.

[9]魏瑞莹,梁维谦.基于三音子模型连续语音声调识别方法[J].电声技术,2011,35(8):34-37.

[10]赵力,邹采荣,吴镇扬.基于连续分布型HMM的汉语连续语音的声调识别方法[J].信号处理,2000,16(1):21-23.

[11]张瑞丰.精通MATLAB6.5[M].北京:中国水利水电出版社,2004.

[12][英]克里斯特安尼.支持向量机导论[M].李国正,王猛,曾华军译.北京:电子工业出版社,2004.

[13]董婷.支持向量机分类算法在MATLAB环境下的实现[J].榆林学院学报,2008,18(4):94-96.

[14]郭小荟,马小平.基于MATLAB的支持向量机工具箱[J].计算机应用与软件,2007,24(12):57-59.

作者简介：

沈泉波（1987―），男，江苏南通人，中北大学信息与通信工程学院硕士研究生，研究方向：语音识别。

韩慧莲（1945―），女，山西太原人，硕士，教授，研究方向：计算机网络通信与虚拟仪器。