查询结果:   徐郑丹,于凤芹.基于SPWD时频脊特征提取的汉语声调识别[J].计算机应用与软件,2014,31(3):142 - 145.
中文标题
基于SPWD时频脊特征提取的汉语声调识别
发表栏目
人工智能与识别
摘要点击数
712
英文标题
CHINESE TONE RECOGNITION BASED ON SPWD TIME-FREQUENCY RIDGE FEATURE EXTRACTION
作 者
徐郑丹 于凤芹 Xu Zhengdan Yu Fengqin
作者单位
江南大学物联网工程学院 江苏 无锡 214122     
英文单位
School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, Jiangsu, China     
关键词
声调识别 平滑伪Wigner-Ville分布 时频脊 Hough变换 最小二乘法多项式拟合
Keywords
Tone recognition Smoothing pseudo Wigner-Ville distribution Time-frequency ridge Hough transform Polynomial fitting with Least squares method
基金项目
国家自然科学基金项目(61075008)
作者资料
徐郑丹,硕士生,主研领域:语音信号处理。于凤芹,教授。 。
文章摘要
针对语音信号的非平稳性,采用SPWD(smoothed pseudo Wigner-Ville distribution)将韵母语音信号在时频面清晰地表现出来。不同声调语音的时频脊的变化特征不同。利用阈值和细化处理将SPWD时频矩阵转变成二值矩阵图像,利用Hough变换提取脊线;而第三声时频脊是曲线,将Hough变换求取的线段用最小二乘法多项式进行拟合;在脊线段上等间距选取若干个点,将点集和其一阶差分作为时频脊特征,利用高斯混合模型进行识别分类。仿真实验结果表明,该方法很好地对声调进行了识别,平均识别率为86.48%,第二声识别率提高的幅度最大,提高了5.18%;在不同的信噪比下,识别率最大可提高5.62%。
Abstract
For the non-stability of speech signals, we use SPWD to clearly manifest the vowel speech signals on time-frequency plane. The variation features of time-frequency ridges differ from different speech tones. We use threshold and refined processing to convert SPWD time-frequency matrix to a binary matrix image, and use Hough transform to extract ridge lines. But the time-frequency ridge of the third tone is curve, the line segment obtained by Hough transform is fitted with the method of least squares polynomial; We select some points equidistantly on time-frequency ridge line, and use the point set and its first difference as the feature of the time-frequency ridge, then use Gaussian mixture model (GMM) to conduct recognition and classification. Simulation experimental results show that this method is very good to the tone recognition and its average recognition rate is 86.48%. The improvement extent of the second tone’s recognition rate is the highest, as high as 5.18%. and in different SNR, the maximum improvement of recognition rate reaches 5.62%.
下载PDF全文