12、基于狄利克雷分布生成GMM权重及信息准则的马拉雅拉姆语语音识别

基于狄利克雷分布生成GMM权重及信息准则的马拉雅拉姆语语音识别

1. 引言

语音识别技术是将编码为一个或多个符号的消息通过语音信号实现的过程。在人类交流中，语音是主要的沟通方式，其由发音器官的协调运动产生，语音的频谱特性受声道形状、长度以及共振/振动特性的影响。语音发音方式和位置特点多样，如元音、擦音、鼻音、塞音、唇音、齿音、齿龈音等。语音识别技术正处于发展阶段，在日常生活和残障人士的生活中有着广泛的应用，但它也是一项复杂的任务。

现代基于统计的语音识别系统主要由声学建模和语言建模两部分组成。声学建模中存在声学变异性和时间变异性。时间变异性与语速快慢相关，声学变异性则涉及不同的发音、音量和口音。隐马尔可夫模型（HMM）是描述声学建模的有效方法。

马拉雅拉姆语自2013年被列为印度古典语言之一，是22种预定语言之一。在印度语言正字法中，它的字母数量最多，有52个字母，包括36个辅音和16个元音。和其他达罗毗荼语系语言一样，它的典型词序是主 - 宾 - 谓（SOV），并且在该邦各地有不同的口音。

本文提出了一种基于音节的GMM - HMM模型用于一组新的马拉雅拉姆语单词。每个音节由一个具有简单从左到右拓扑结构的5状态HMM表示，HMM能够对语音的变异性进行统计建模。参数重新估计使用鲍姆 - 韦尔奇算法，寻找最可能的状态序列使用维特比算法，特征提取采用梅尔频率倒谱系数（MFCC）技术。本文还尝试通过模型选择方法来验证哪种高斯混合能获得最佳性能。

2. 文献综述

• 英语语音识别 ：Abusharisha等人开发了一个用于识别0到9的英语数字语音识别系统，对孤立词和连续词的语音