基于双模态融合特征的模糊语音识别研究

摘要：

针对模糊语音发音机理相近、听觉上容易混淆和容易被智能机器误识的问题,该文设计了一个双模态模糊语音数据库,并提取不同特征用于分类研究.数据库包括语音信号和发音器官运动信号两种模态,共计语音数据6300条,运动信号数据1 268条.提取声学特征与运动学特征,在特征层进行双模态的融合,通过核主成分分析降维来得到双模态融合特征,选择支持向量机分类模型进行分类识别.实验结果表明,单模态声学特征中,对数变化的耳蜗倒谱系数特征具有较高的识别率,最高可达86.95％.双模态融合特征相比于单模态特征识别率有明显的提高,在低信噪比情况下提升效果更加明显,最大可提高6.53％.

关键词：双模态数据库、语音识别、特征提取、特征融合、发音运动特征

所属期刊栏目：30

分类号：TN912

资助基金：山西省自然科学基金;山西省留学回国人员资助项目;山西省留学回国人员科技活动择优资助项目

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：43-48,54