基于多特征融合的 GMM 汉语普通话口音识别

• 作者: 刘宏 庞程 张结 王秀玲
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 口音识别 汉语普通话 Mel 频率倒谱系数 共振峰频率 信息融合 加权判别
• 年，卷（期）: 2015,（z1）
• 所属期刊栏目: 仿生机器人、服务医疗机器人、语音识别
• 页码范围: 381-384,388
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13245/j.hust.15S1090

摘要

提出一种基于 MFCC 和共振峰频率特征的汉语普通话口音识别方法．该方法首先提取 Mel 频率倒谱系数（MFCC）和共振峰频率特征作为混合高斯模型（GMM）的输入，然后采用期望最大化（EM）算法训练模型，对两种特征分别建模，最后采用基于最大似然准则（ML）的信息融合策略进行口音判别．实验数据库为7个地区的语音数据．经过交叉验证，该方法对于中国典型地区普通话口音的识别率达到85．61％，比单一使用MFCC 特征或共振峰频率特征分别提高了6．62％和32．90％．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秀玲	华北电力大学控制与计算机工程学院	8	65	4.0	8.0
2	刘宏	北京大学深圳研究生院物联网智能感知技术工程实验室	37	576	12.0	23.0
3	庞程	北京大学深圳研究生院物联网智能感知技术工程实验室	3	47	3.0	3.0
4	张结	北京大学深圳研究生院物联网智能感知技术工程实验室	1	3	1.0	1.0