频谱中包含语音分类的信息量

摘要

提取能表达语音性质的特征参数是语音识别最重要的步骤之一。听觉系统使用频域和时域两类信息识别语音，但目前的语音特征参数主要提取自声音的频谱，那么由频谱能提供多少语音分类的信息呢？这是本文的研究目的。文中首先通过响度密度谱、MFCC参数和PLP参数的欧氏距离比较，研究谱信息在单元音静态识别中的表现。然后通过构建HMM，在不同参数维数下对所有能独立发音的汉语韵母进行识别，测试这些谱表达式在加入时域变化信息后在元音动态识别中的表现。实验结果表明频谱可以提供元音分类的信息最少是93.3%，加入时间信息后，总识别率提高了3.5%，识别效果最好的元音是/I/，效果不佳的是/γ/。