音素の精密な特徴抽出に基づいた音声認識方法の研究

基于音素精确特征提取的语音识别方法研究

基本信息

批准号：
63608504
负责人：
北澤茂良
金额：
$ 0.96万
依托单位：
Shizuoka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1988
资助国家：
日本
起止时间：
1988 至无数据
项目状态：
已结题

项目摘要

1.音響処理機構の研究に関して。線形予測分析法の分析次数を変更したときの判別率を破裂子音、鼻子音について求めた。その結果、破裂子音については17次以下では認識率が低くなるが、17次以上に増やしてもあまり改善されない。鼻子音については19次が最適であった。聴覚フィルターモデルをシミュレートするプログラムの開発を行なった。このモデルを用いた子音の判別率について今後実験を行なう予定である。2.調音事象の自動検出に関して。当初考えていたエキスパートシステムの手法と並行して、ニューラル・ネットによる手法について試み、音声パワーの傾斜係数および、LPCスペクトルを入力とするとき、未学習話者の有声破裂子音に関して/b/および/d/では100%、/g/については92%が±3ms以内の精度で検出できた。3.弁別的特徴の自動認識への適用に関して。本年度は音響音声変換に弁別素性レベルを導入することについて、新しい素性モデルを提案した。このモデルは、音素、異音、素性、音響パラメータの各レベルを導入する。音響パラメータの有限個のメンバーは階層構造を成し、発話時に生起する代償作用をある程度予測する。素性は複数の音響パラメータの部分集合から成る。人間の聴覚機構の特性に基づいて、素性間に階層構造を設定し、音韻環境によって異音に生起する素性の脱落をある程度予測する。素性は音素ではなく異音と多対多の対応関係にあるとする。4.音素の特徴の言語間の非核に関して。破裂子音/p,t,k,b,d,g/を対象として破裂の位置や強さ、ホルマント等スペクトログラムから抽出できる音響的特徴について日仏二か国語間で対照を行なった。日本語と対応するフランス語の音節の特徴のほとんどが共通であることが分かった。しかし、日本語で欠落している「チ、ツ、ヂ(ジ)、ヅ(ズ)」に対応した歯茎音/t,d/の特徴の相違は顕著に認められた。

1。关于声学处理机制的研究。确定破裂辅音和鼻辅音的线性预测分析分析顺序时的判别率。结果，破裂的辅音的识别率低于第17阶，但是将率提高到第17阶或更高的率并没有太大改善。对于鼻辅音，第19阶是最佳的。我们开发了一个程序来模拟听觉过滤器模型。我们计划将来对使用此模型进行有关辅音的判别率进行实验。 2。关于发音事件的自动检测。与我们最初考虑的专家系统技术并联，我们尝试了一种神经网技术，当我们使用语音功率和LPC频谱的坡度系数作为输入时，我们能够以 /b /and /d /g /g的准确性检测 /b /and /d /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g /g。 3。关于将歧视特征应用于自动识别。今年，我们提出了一个新功能模型，用于将判别功能水平引入声音转换。该模型介绍了音素，奇怪的声音，身份和声学参数的水平。声学参数的成员数量有限，形成了分层结构，在某种程度上预测了语音过程中发生的补偿性效应。身份由多个声学参数的子集组成。基于人类听觉机制的特征，在特征之间设置了层次结构，并且在某种程度上预测了由于语音环境而导致的奇怪声音中发生的特征下降。让我们假设身份不是音素，而是与奇怪声音的多一对信件。 4。关于音素特征的语言间无核化。我们将两种日语和法语语言在破裂辅音/ p，t，k，b，d，g/ g/ for中的破裂位置和强度以及可以从增强仪频谱图中提取的声学特征进行了比较。已经发现，日语的大多数音节特征和相应的法语单词很常见。但是，牙龈声音 / t，d /对应于日语中缺少的“ chi，tsu，ji，zu”的特征的差异是显着的。