基于改进的卷积神经网络的贵州方言辨识

摘要

方言的辨别可为案件侦破提供重要线索,本文针对贵州方言辨别提出一种有效的方言辨识模型,从贵州省6个地区采集时长不等的语音样本,提取梅尔频率倒谱系数MFCC,然后利用多级二维离散小波变换提取MFCC中的低频分量同时进行压缩,然后采用滑窗进行信息重叠分块,对每块进行奇异值分解并保留高贡献率的特征向量,把分块合并后转换成一个3维矩阵作为方言辨识模型的输入数据.先对卷积神经网络进行改进,然后构建方言辨识模型,并采用交叉实验对该模型进行训练和验证,从而对二维离散小波变换的级数和滑窗的宽度进行优化.实验结果证明该模型对贵州方言辨识是高效的.