語音識別是模式識別領域中重要的研究分支,其目的是將人類語音信息轉換為文本信息。在漢語和英語語音識別中,相比于傳統(tǒng)的高斯混合模型-隱馬爾科夫模型,深度神經網絡的識別性能實現(xiàn)了質的飛躍。但目前有關藏語語音識別的研究較少,特別是藏語屬于低資源語言且存在濁輔音趨于清化、元音有長短區(qū)別、單元音增多等特點,使得藏語的語音識別仍面臨諸多挑戰(zhàn)。在藏語的衛(wèi)藏、康巴與安多三大方言中,針對衛(wèi)藏方言的語音識別研究相對較多,有關安多方言與康巴方言的研究相對較少,特別是深度神經網絡在安多藏語語音識別中的應用尚未深入研究。因此,本文從安多藏語聲學模型結構出發(fā),探討了端對端雙向長短時記憶網絡在安多藏語語音識別中的應用。本文研究內容如下:1)語料庫建立。收集了安多藏語中出現(xiàn)頻率最高的1278個單音節(jié)詞匯,對每個詞匯采集藏語安多方言的語音樣本,采樣頻率為16KHZ、量化精度為16bit且通過Cool Edit Pro軟件在噪聲不高于50dB的室內錄制。2)預處理。對藏語安多方言語音信號進行預加重、分幀、加窗、預處理操作,消除由于人類本身發(fā)聲器官和語音信號采集設備所帶來的混疊、高次諧波失真、高頻等因素對語音信號質量的影響。預處理操作使語音信號更均勻、平滑,確保在特征提取階段提取更優(yōu)質的參數(shù),從而提高語音識別性能。3)特征提取。在安多藏語語音識別任務中,考慮藏語發(fā)音的特點,探討了不同特征提取方法對系統(tǒng)性能的影響。本文分別采用傳統(tǒng)梅爾頻率倒譜系數(shù)和卷積神經網絡兩種方式提取特征。實驗結果表明,應用卷積神經網絡提取的特征效果優(yōu)于梅爾頻率倒譜系數(shù)特征。4)聲學建模。雙向長短期網絡適合處理序列問題,鏈接時序分類技術不需要預先對數(shù)據(jù)進行標注、對齊處理以及后處理操作。因此將鏈接時序分類技術與雙向長短時記憶網絡相結合,實現(xiàn)了端對端的安多藏語聲學建模。實驗證明,基于雙向長短時記憶網絡端對端的安多藏語聲學模型獲得了較好的性能。
【學位單位】：青海師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TN912.34;TP183
【部分圖文】：

研究現(xiàn)狀包括兩個階段：設計階段和決策階段，語料庫建設、預處理、特征提取、模型訓獲取、預處理、特征提取、分類決策等。環(huán)節(jié)，因此，下文主要介紹特征提取和模語音信號 語音特征知語音信號 語音特征分類決策模型訓練

圖 1-1 藏語三大方言的地理分布范圍間的發(fā)音差異較大，但文字是統(tǒng)一的。藏文字母和 4 個元音字母。30 個輔音字母為： ，4個元音字母為： 。按照下組合構成字符；字符通過左右組合構成音最小的語音單位，也是最小的語義單位。音節(jié)以及句子。書寫時，用專門的分隔符― ‖把相鄰 。音主要有以下幾方面的特點：1）安多方言復沒有聲調；3）安多方言有送氣清擦音聲母；方言無復元音；6）安多方言無長元音；7）安言在發(fā)音上有較多獨特的地方。因此，本文的

能在訓練樣本集中觀測到它們的值，因此工神經網絡具有非常重要的作用，目的是將網絡可以任意逼近任何非線性函數(shù)。常見數(shù)將取值為 的數(shù)映射到 之如圖 2-2 所示：
【參考文獻】

相關期刊論文 前10條

1 王山海;景新幸;楊海燕;;基于深度學習神經網絡的孤立詞語音識別的研究[J];計算機應用研究;2015年08期

2 王一;楊俊安;劉輝;柳林;;基于層次稀疏DBN的瓶頸特征提取方法[J];模式識別與人工智能;2015年02期

3 張晴晴;劉勇;王智超;潘接林;顏永紅;;卷積神經網絡在語音識別中的應用[J];網絡新媒體技術;2014年06期

4 普次仁;頓珠次仁;;基于LDA-MFCC的藏語語音特征提取技術研究[J];西藏大學學報(自然科學版);2014年01期

5 陳斌;張連海;牛銅;屈丹;李弼程;;基于MCE準則的語音識別特征線性判別分析[J];自動化學報;2014年06期

6 蔡尚;金鑫;高圣翔;潘接林;顏永紅;;用于噪聲魯棒性語音識別的子帶能量規(guī)整感知線性預測系數(shù)[J];聲學學報;2012年06期

7 黃浩;李兵虎;吾守爾·斯拉木;;區(qū)分性模型組合中基于決策樹的聲學上下文建模方法[J];自動化學報;2012年09期

8 王彪;;基于LPCC參數(shù)的語音識別系統(tǒng)[J];電子設計工程;2012年07期

9 伊·達瓦;匂坂芳典;中村哲;;語料資源缺乏的連續(xù)語音識別方法的研究[J];自動化學報;2010年04期

10 劉雅琴;智愛娟;;幾種語音識別特征參數(shù)的研究[J];計算機技術與發(fā)展;2009年12期

相關碩士學位論文 前5條

1 周楠;基于深度學習的藏語非特定人連續(xù)語音識別研究[D];中央民族大學;2017年

2 劉曉鳳;藏語語音深度特征提取及語音識別研究[D];中央民族大學;2016年

3 張宇聰;基于深度學習的藏語拉薩方言語音識別的研究[D];西北師范大學;2016年

4 崔天宇;基于HMM的語音識別系統(tǒng)的研究與實現(xiàn)[D];吉林大學;2016年

5 德慶卓瑪;基于特定人小詞匯量藏語語音特征值提取的研究[D];西藏大學;2010年

本文編號：2857502