短时谱特征的汉语重音检测方法研究

• 作者: 张珑 赵云雪 郑世杰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 重音检测 Mel频率倒谱系数(MFCC) 相关谱感知线性预测(RASTA-PLP) 短时谱特征
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1120-1128
• 页数: 9页
• 分类号: TP391
• 字数: 5984字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1407004

摘要

重音是语言交流中不可或缺的部分，在语言交流中扮演着非常重要的角色。为了验证基于听觉模型的短时谱特征集在汉语重音检测方法中的应用效果，使用MFCC（Mel frequency cepstrum coefficient）和RASTA-PLP（relative spectra perceptual linear prediction）算法提取每个语音段的短时谱信息，分别构建了基于MFCC算法的短时谱特征集和基于RASTA-PLP算法的短时谱特征集；选用NaiveBayes分类器对这两类特征集进行建模，把具有最大后验概率的类作为该对象所属的类，这种分类方法充分利用了当前语音段的相关语音特性；基于MFCC的短时谱特征集和基于RASTA-PLP的短时谱特征集在ASCCD（annotated speech corpus of Chi-nese discourse）上能够分别得到82.1%和80.8%的汉语重音检测正确率。实验结果证明，基于 MFCC的短时谱特征和基于RASTA-PLP的短时谱特征能用于汉语重音检测研究。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张珑	哈尔滨师范大学计算机科学与信息工程学院	17	82	4.0	8.0
3	赵云雪	哈尔滨师范大学计算机科学与信息工程学院	6	7	2.0	2.0
6	郑世杰	哈尔滨师范大学计算机科学与信息工程学院	6	7	2.0	2.0