显得尤为重要了。著名语音家等利用语音分析仪器，对进行标记，从时间点上确定音段的实际发音和时长，将连续话语中语音的变化体现出来。这样的语料库，由于语料丰富，又带有语音标记，可以进行统计并做声学分析，能够更定量的反应出语音的变化，从而将语音研究带进新的发展阶段。第二，汉语声韵母的切分可以作为汉语方言辨识的前端处理。语音识别面临的最大挑战其中之就是社会语音学现象，即地方方言口语问题。中国各地方的口语问题比美国各地方的口语严重的多，尤其中国南北方的地方口语相差较大，限制了语音识别系统的应用。这是声学层需要解决的问题。我们通过对语流中的音节的声韵母切分，通过语言模型来判决语流所属的方言区域。第三，汉语声韵母的切分为语音识别提供建模单元。精确的声韵母切分同时基于小波变换的自动声韵切分的研究也促进了语音的更好识别。由于汉语固定的声韵结构特点，以及近年来在连续语音识别和巨词汇量识别研究过程中发现汉语音节单元的局限性，国内许多单位开始不约而同地转向声母韵母等更小的语音识别单元。第四，汉语声韵母的切分也为说话人识别与确认提供研究基础。人们说话的差异是由先天和后天两方面因素形成的，大多数与发音人相关的语音特性参数都与它们有关。针对低噪比环境，以语音信号非线性产生机制中存在混沌特性为依据，利用声韵母的不同特性来切分，得出不同的语音参数，用矢量量化方法，使用语料库中的材料，研究说话人识别中的各种参数的效果，从而更好地进行区分。国内外研究现状张文军谢剑英李聪他们在基于隐马尔科夫模型的语音切分基础上，融合了不受噪声干扰的先验切分模型，提出了给予贝叶斯方法的语音切分方法。在贝叶斯切分方法的框架内，首先对语音序列进行了变换，将由切分点构成的序列变为由音节长度构成的序列。然后假设音节长度序列符合阶马尔科夫过程，经过归化处理后，求出了切分的先验概率公式，得到了贝叶斯方法的切分模型。在噪声环境下的实验证明，由于切分模型于噪声，对在噪声环境下声学模型的失配提供了很好的补偿，使得语音切分的鲁棒性大大增加。对此和的还有的中都有过研究。王帆郑方吴文虎他们针对低信噪比环境，提出种汉语语音声韵母切分新方法。以语音信号非线性产生机制中存在混沌特征为依据，将普通分形维数扩展为多尺度分形维数，用于考察语音信号在不同最大观测分辨率下的局部自相似性。利用稳定声韵母及其之间过渡段在多尺度分形维数上的不同特性能较好地区分二者。由此针对汉语音节声母韵母的结构特点设计了种简单而高效的汉语语音声韵母切分方法。在干净语音测试集下测试切分正确率为百分之在信噪比为的噪声环境下，正确率为百分之。和的和的基于小波变换的自动声韵切分的研究，在此他们同样取得丰硕的成果。马建芬则提出了另外种新的基于小波变换和参数滤波的音素分段算法，称为小波参数滤波算法。小波变换具有和人耳相似的特征，即随着频率的升高，分辨率下降，我们利用此特征先对信号进行小波域滤波，然后利用参数滤波对信号进行分析。实验表明本文提出的算法在性能上能够优于常规的参数滤波方法。同样的研究对象国内外的人士都有过探讨。张江黄泰翼根据听觉感知系统对于动态语音特征的响应特点，提出了半波差分谱的概念，在此基础上提出了种简便的音节切分算法，可以将存在大量协同发音现象的连续语音切分成个个音节。在连续语音上的切分实验结果说明这种切分算法是准确而可靠的。候丽敏张吉庆提出了种基于模糊神经网络的汉语语音声韵母切分方法。该网络的输入采用了时间相依序列的并置输入形式，它的模糊层的输出值在，之间，提供了输入矢量对应的类别的信息，将单音节输入矢量分为噪声声母和韵母三段，完成了音节的定位和声韵母切分。从录音单字的声韵母和无声段截取小部分进行训练。以汉语数字，进行了实验。实验结果表明，该方法不仅有效地分割了汉语语音的声韵母段，并且分割精确度大于传统方法所获得的精确度。还有好多好多的例子，如和也在过零率是指将语音信号分帧处理后各帧的跨零次数。在原始语音信中，清擦音不送气塞擦音送气塞擦音的过零率偏高，以,等尤为明显然而它们的能量变化却不太明显，这就导致用第三级细节信号的能量求取的过渡帧数和实际的过渡帧数总是存在着些差异。因此，在实验室环境下，用原始语音信号的前帧的平均过零率作为求过渡帧基于小波变换的自动声韵切分的研究的第级检测目的是为了声韵切分过程中用能量对，等过零较高的声母进行切分造成的偏差。原始语音信号中前帧平均能量我们发现送气塞音的能量曲线的前端有个明显的直冲，这很象不送气塞音由声母段很快进入韵母段的特征不送气塞音声韵过渡段很短。因此，单用第三级细节信号的能量往往把声韵切分点定在送气塞音的直冲前面，这就很难将不送气塞音和送气塞音区分开。为此，抓住塞音的能量较高这特点，提取出原始语音信号前帧平均能量作参考，作为进行声韵切分的第二级检测，将塞音,分离出来，转入下级细判。第三级细节信号中从初判过渡帧前数帧起连续帧的平均能量经过能量二级检测以后，满足检测条件的可能为不送气塞音或送气塞音，为了进步将它们区分开，提取了第三级细节信号中从初判过渡帧前数帧起连续帧的平均能量这特征参数。我们知道，不送气塞音在爆破段结束后便立即进入过渡段，而送气塞音在爆破段结束后却要经过摩擦段和送气段才进入过渡段。这个特点在制作的波形观测器中很容易看出来。利用这特征参数可将不送气塞音和送气塞音的过渡帧确定下来。语音特征提取基本过程框图如下语音信号转换端点检测预加重汉明窗参数存盘倒谱分析分析自相关基于小波变换的自动声韵切分的研究第四章实验数据采集与分析粗略的端点检测和声韵母切分这里采用以下步骤来初步进行端点检测和声韵母切分设定合理阈值判断语音开始帧能量阈值过零率阈值能频积阈值判断语音信号中清音和浊音切分的阈值分别为能量阈值过零率阈值判断语音结束由于段语音信号结束时末尾经常带有比较大的噪音或者有比较长的拖音，所以应用上述的特征参数作为阈值可能会造成些。鉴于此原因，可利用结尾后帧在正常的语音信号中这部分肯定是无声段来提取特征参数设定阈值具体计算与上述相同。三个特征参数能量过零率和能频积的阈值系数分别设为。端点检测粗判语音开头若连续帧的能量过零率或者能频积大于自己相对应的阈值，则粗判该帧为语音的开头，转否则重复。粗判语音音节结尾若连续帧的能量过零率和能频积均小于所设定的阈值，则粗判此帧为这个音节的结尾，转否则重复。粗判声韵母的切分点连续采集帧，若连续帧的能量过零率和能频比都超过各自所设定的阈值范围，则粗判此帧为语音信号中该音节浊音的开始，转否则重复。粗判结束。声韵母提取示意图如下基于小波变换的自动声韵切分的研究精确的端点检测和声韵母切分由于声韵母发声时的不稳定性和连续语音有音节连续的现象，使得粗判的结果不太精确，有时甚至不能将音节切分开。因此，通过用粗判得到的第个音节作为相对样本，对它取帧能量和过零率的平均值，分别用和表示。令能量阈值为乘以系数，同时能频积和能频比的阈值也做相对的变化。经过多次实验证明，判断语音信号的开头和结尾可以采用粗判的结果，它与进步精确判断的结果是致的。在判断清音和浊音的分界点音节以及音节间的结尾和开头时，需要进步设定阈值。具体的阈值设定为判断清音和浊音的分界点时，能量阈值为，能频比阈值为，过零率与上面介绍的相同判断音节与音节之间的开头和结尾时，能量阈值为和，过零率阈值不变，能频积阈值为判断开始，能频比阈值系数为判断结束切分算法的实现在对预处理过的语音信号进行声韵切分的过程中，采取了三级检测和进步修正算法求取标志声韵过渡特征的过渡帧。第级检测利用原始语音信号中前帧的平均过零率参数，将过零率变化比较明显的擦音，如,等优先求出其过渡帧。其检测条件大于。其中，为原始语音信号中前帧的平均过零率，为根据实验和语音知识得到的过零率阈值。如果条件满足，则在此级检测的基础上，再用原始信号的过零率在附近逐帧细测，最终求得过渡帧，检测过程结束如果条件设定合理阈值语音信号粗判语音开头粗判语音结尾粗判声韵母切分点粗判结束基于小波变换的自动声韵切分的研究不满足，则转入第二级检测。这级检测要求限制条件要高，防止因过零率参数的不稳定而造成的影响。第二级检测利用原始信号中前帧平均能量参数将能量变化比较明显的塞音，如等分离出来。其检测条件为，其中，为原始语音信号中前帧的平均能量，为根据实验和语音先验知识得到的能量阈值。如果条件满足，则利用原始信号的能量粗判声韵切分点，得到初判过渡帧，转入进步修正程序如果条件不满足，则转入第三级检测。这级检测要求限制条件也要很高，防止其它能量也较高的浊声母,等的混入。第三级检测利用小波变换的第三级细节信号的能量参数再判过渡帧。其检测条件为，其中，为根据实验和语音先验知识得到的衡量送气塞音摩擦段和送气段长度的阈值。如果条件满足，则转入进步修正程序如果条件不满足，则定最终所求的过渡帧为，检测完成。在声韵切分算法中，这级检测最重要。进步修正利用第三级细节信号中从初判过渡帧前数帧起连续帧的平均能量参数，将不送气塞音和送气塞音进步区分开。在修正过程中，首先求出第三级细节信号中从初判过渡帧前数帧起连续帧的平均能量，将这个平均能量和个根据实验和语音先验知识得到的衡量送气塞音摩擦段和送气段平均能量的高阈值相比较，如果平均能量大于这个阈值，则在第三级细节信号中从初判过渡帧起往前数帧，定为过渡帧再以此过渡帧为终点，往后逐帧将该帧的平均能量和个根据实验和语音先验知识得到的衡量送气塞音摩擦段和送气段平均能量的低阈值相比较，便可以找到所需过渡帧。由于我们在提取语音特征参数前，对语音信号进行了线性规整预处理，因此，根据实验和语音先验知识得到的衡量送气塞音摩擦段和送气段平均能量的阈值和具有普适性，如发音的高低噪声的强弱是否