[发明专利]一种连续语音声调识别方法

摘要

本发明涉及一种连续语音声调识别方法，1)提取已知语音段中每一个语音帧的频谱特征和基频特征，所述基频特征至少包括：当前语音帧的基频值，当前连续基频段的长度，以及当前帧基频值与前一个连续基频段的后N帧基频平均值的差值；2)对所提取出的基频特征流和频谱特征流，分别采用多空间概率分布和普通的隐马尔可夫模型来进行建模；3)采用特征流相关的决策树聚类方法建立决策树，分别得到聚类后的基频特征模型和频谱特征模型；4)对每一句待识别语音进行语音识别；5)根据已得出的音节内容，基于步骤3)所得出模型和建立声调识别网络，并在所述声调识别上进行Viterbi搜索，得其最优路径，并从最优路径中提取声调序列，作为最终的声调识别结果。

主权项

一种连续语音声调识别方法，包括训练步骤和识别步骤，其特征在于，所述训练步骤包括：1)提取已知语音段中每一个语音帧的频谱特征和基频特征，对于每一个语音帧，所述基频特征至少包括：当前语音帧的基频值，当前连续基频段的长度，以及当前帧基频值与前一个连续基频段的后N帧基频平均值的差值；所述频谱特征是MFCC特征或者MF‑PLP特征，或者是二者的组合；2)对所提取出的多个语音帧的基频特征所组成的基频特征流，采用多空间概率分布隐马尔可夫模型来进行建模，对所提取出的多个语音帧的频谱特征所组成的频谱特征流，采用普通隐马尔可夫模型建模；其中，组成识别单元的元素包括当前音节，当前声调以及前一个字的声调；3)采用特征流相关的决策树聚类方法，根据所述识别单元中的当前音节和前一个字声调来建立决策树；其中，对频谱特征流和基频特征流分别建立不同的决策树，分别得到聚类后的基频特征模型和频谱特征模型；所述识别步骤包括：4)对每一句待识别语音，进行语音识别得出其音节内容；5)根据已得出的音节内容，基于训练步骤所得出的聚类后的基频特征模型和频谱特征模型，建立声调识别网络，并在所述声调识别上进行Viterbi搜索，得其最优路径，并从最优路径中提取声调序列，作为最终的声调识别结果。