[发明专利]结合韵律和发音学特征的汉语声调识别系统及方法

权利要求书

1.一种汉语声调识别方法，其具体包括以下步骤：

步骤1、接收语音信号，并提取语音信号的倒谱特征、基频值和能量值；

步骤2、根据所述倒谱特征生成携带音节边界信息的语音序列；其中，所述音节边界信息包括音节发音开始时刻和音节发音结束时刻，以及音节中的声母和韵母的发音开始时刻和发音结束时刻；

步骤3、根据所述基频值、能量值和所述音节边界信息抽取每一音节对应的基频值和能量值，根据所述每一音节对应的基频值和能量值，计算每一音节的韵律特征；

步骤4、根据所述倒谱特征序列和所述音节边界信息，提取音节的发音方式特征；

步骤5、根据所述韵律特征和所述发音方式特征判断所述语音信号中每一音节的声调类型。

2.根据权利要求1所述的汉语声调识别方法，其特征在于：步骤3中计算韵律特征的过程具体如下：

语音信号中第i个音节对应的基频值序列为：对应的能量值序列为：第i-1个音节对应的基频值序列为第i+1个音节对应的基频值序列为：则将当前音节对应的基频值序列均匀地分为三部分，并得到如下所述的8个韵律特征：

Cur1：为基频值序列前一部分的均值，如下所示：

Cur1=Σk=1N/3pkiN/3]]>

Cur2：为基频值序列中间部分的均值，如下所示：

Cur2Σk=1+N/32N/3pkiN/3]]>

Cur3：为基频值序列后一部分的均值，如下所示：

Cur3=Σk=1+2N/3NpkiN/3]]>

Mean：为整个音节对应的基频值序列的均值，如下所示：

Mean=Σk=1NpkiN]]>

En：为当前音节对应的能量值序列的均值，如下所示：

En=Σk=1NekiN]]>

Dur：为当前音节的时长；如下所示：

Dur＝N

Pre3：将当前音节的前一个音节i-1对应的基频值序列均匀地分为三部分，Pre3为后一部分基频的均值，如下所示：

Pre3=Σk=1+2M/3Mpki-1M/3]]>

其中，M为所述前一个音节i-1的时长；

Nex1：将当前音节的后一音节i+1对应的基频值序列均匀地分为三部分，Nex1为前一部分基频的均值：

Nex1=Σk=1T/3pki+1T/3]]>

其中，T为所述后一个音节i+1的时长。