基于声学特征的腭裂语音声韵母自动分割算法研究

该篇论文研究主要探讨了"基于声学特征的腭裂语音声韵母切分"这一主题，它针对的是一个在语音信号处理中具有重要意义的实际问题。腭裂语音，由于其发音特点与正常语音存在显著差异，对语音识别和语音合成系统的性能有着潜在影响。作者们针对这一问题，提出了一个创新的声韵母切分算法。 首先，研究者通过主观的波形测试和客观的F检验及t检验，确认了腭裂语音与正常语音之间存在显著性差异，这是区分两者的基础。他们将语音音节分为两类：I类音节，其声母具有清音音素特性；II类音节，声母具有浊音音素特性。这种分类有助于识别两种不同类型的语音模式。 接着，他们利用层次聚类模型自动识别I类和II类音节，构建了相应的声母分类标准。对于I类音节，设计了一种类浊音权重函数和类清音概率函数，实现了声韵母的一级切分。进一步，通过短时自相关函数的峰值个数的一阶微分技术，对I类音节进行声韵母的二级细分，提高了切分精度。 对于II类音节，论文提出根据声韵母波形的差异性，通过检测短时自相关函数的能量跳变点来进行声韵母的切分。这种方法能够有效捕捉到II类音节特有的语音特征。 实验部分，作者采用大样本数据进行了验证，结果显示，他们提出的自动判别算法在腭裂语音声韵母切分上表现出较高的正确率。具体来说，I类音节的正确率达到了90.72%，II类音节的正确率则为92.90%，这表明该算法在实际应用中具有良好的性能。 这篇论文不仅探讨了声韵母切分在解决腭裂语音识别中的作用，还提供了一种有效的基于声学特征的切分方法，对于提升语音处理系统在处理特殊语音如腭裂语音时的性能具有理论和实践价值。