竇旭霞

(煙臺(tái)職業(yè)學(xué)院，山東 煙臺(tái) 264670)

隨著語(yǔ)音信號(hào)處理技術(shù)的發(fā)展，采用語(yǔ)音信號(hào)識(shí)別方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉，能夠有效提高英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉能力，因此對(duì)該問(wèn)題的研究在提高英語(yǔ)口語(yǔ)教學(xué)有效性方面具有重要意義[1]。由于相關(guān)的英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方法對(duì)于英語(yǔ)口語(yǔ)發(fā)音規(guī)范化具有促進(jìn)作用，因此對(duì)于英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方法的研究受到人們的極大關(guān)注。傳統(tǒng)英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方法是建立在語(yǔ)音信號(hào)分析基礎(chǔ)上，采用動(dòng)態(tài)特征分析方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉和特征識(shí)別[2]，但是該方法存在英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉準(zhǔn)確性較低的問(wèn)題，實(shí)際應(yīng)用效果并不理想。為了解決傳統(tǒng)方法存在的問(wèn)題，提出了基于深層神經(jīng)網(wǎng)絡(luò)的英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方法。

一、英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)模型和特征分析

1.英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)模型

為了實(shí)現(xiàn)基于深層神經(jīng)網(wǎng)絡(luò)的英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉，首先構(gòu)建英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)檢測(cè)模型，采用多傳感檢測(cè)方法，進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的原始數(shù)據(jù)采集，對(duì)采集到的英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)進(jìn)行尺度分解和特征提取[3]，在此基礎(chǔ)上進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉和特征檢測(cè)。其中，英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的數(shù)學(xué)模型表達(dá)式為：

(1)

上式中，a(t)稱(chēng)為英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)在第n個(gè)陣元接收信號(hào)幅度，有時(shí)也稱(chēng)為包絡(luò)；φ(t)稱(chēng)為多均勻直線(xiàn)寬帶陣列相位，Z(f)可由S(f)通過(guò)傅里葉變換得到，H(f)為英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的階躍式傳輸函數(shù)。

基于粒子群算法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)建模和檢測(cè)識(shí)別，得到語(yǔ)音信息采樣的陣元分布為vm，m∈[1,n]。英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的回波脈沖表示為：

(3)

上式中，f(t)為接收到的英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的瞬時(shí)頻率估計(jì)值，ρ(a,b)為寬帶信號(hào)入射到陣元上的延時(shí)分量，a為信號(hào)的高階統(tǒng)計(jì)特征信息，b為頻移分布[4]。在新的簇頭節(jié)點(diǎn)，得到英語(yǔ)口語(yǔ)發(fā)音信息的特征分量為：

(4)

更新融合權(quán)重，得到輸出信號(hào)分量Xp(u)，表示為：

(5)

其中，p為最佳接收極化矢量的階數(shù)，可以為任意實(shí)數(shù)，語(yǔ)音檢測(cè)的相位為α=pπ/2，當(dāng)足π/2時(shí)，即旋轉(zhuǎn)至頻率軸，由此實(shí)現(xiàn)對(duì)英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的統(tǒng)計(jì)信息建模[5]。

2.英語(yǔ)口語(yǔ)發(fā)音譜特征量分析

采用多傳感融合跟蹤識(shí)別方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音的語(yǔ)音信號(hào)采集，結(jié)合時(shí)頻特征分解方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤信息特征提取，英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)長(zhǎng)度l，得到英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的譜特征量為：

(6)

l=a·fl+b

(7)

其中，a、b表示英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的塊稀疏特征參數(shù)。對(duì)于給定的寬帶高分辨英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)x(n)和尺度d，采用期望和方差聯(lián)合估計(jì)方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)動(dòng)態(tài)檢測(cè)，設(shè)置英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)x(n)在尺度d的方差用E(ni,d)表示、最大功率譜特征量用max{E(ni,d)}表示，英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的模糊度辨識(shí)參數(shù)為：

(8)

對(duì)x(t)進(jìn)行抽樣濾波處理后，能夠獲取英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的離散特征分量x(n)，英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的集成窗函數(shù)h(t)的寬度為T(mén)=(2d+1)Ts，F(xiàn)s=1/Ts。設(shè)寬帶高分辨英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)為x(t)，對(duì)其進(jìn)行加窗操作[6]，英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)在頻譜分布區(qū)間[m0-Δm/2,m0+Δm/2]上服從均勻分布，英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的譜特征量為：

r(t)=g(t)+n(t)

(9)

式中，g(t)為概率密度函數(shù)，采用多級(jí)濾波方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的稀疏性檢測(cè)，結(jié)構(gòu)模型如圖1所示。根據(jù)英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的譜特征分離結(jié)果，實(shí)現(xiàn)英語(yǔ)口語(yǔ)發(fā)音譜特征量分析。

圖1 英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的譜特征檢測(cè)模型

二、英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音錯(cuò)誤捕捉優(yōu)化

1.英語(yǔ)口語(yǔ)發(fā)音信號(hào)的特征篩選和分類(lèi)識(shí)別

假設(shè)輸入的英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)為一個(gè)單頻信號(hào)cos2πf0t，其中f0為英語(yǔ)口語(yǔ)發(fā)音頻率，設(shè)第1個(gè)陣元檢測(cè)到的英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的基準(zhǔn)分量，構(gòu)建英語(yǔ)口語(yǔ)發(fā)音的錯(cuò)誤特征篩選模型，采用時(shí)頻特征變換方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)動(dòng)態(tài)檢測(cè)和特征篩選處理[7]，則第m個(gè)塊稀疏特征量為：

sm(t)=cos{2πf0[t+τm(θ)]}

(10)

采用目標(biāo)源信號(hào)檢測(cè)方法，進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的特征監(jiān)測(cè)，得到英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤特征分布為：

(11)

其中：

um=cos[2πf0τm(θ)]；vm=sin[2πf0τm(θ)]

(12)

通過(guò)上述過(guò)程提取到英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的特征量，采用波束形成方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的特征聚焦，采用深層神經(jīng)網(wǎng)絡(luò)檢測(cè)方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)錯(cuò)誤特征檢測(cè)[8]，輸出為：

y1(t)=A1(t)exp{j2π[F(t-ta)ln(t-ta)-

F(t-ta)-FlnDt+fe1t]}

(13)

輸出的英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤特征量表示為：

y2(t)=A2(t)exp{j2π[F(t-ta)ln(t-ta)-

F(t-ta)-FlnDt+fe2t]}

(14)

式中，fe1為波束域截止頻率，fe2為諧波截止頻率。采用統(tǒng)計(jì)特征分析方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤特征分離[9]，得到英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤信息為：

y(t)=s(t)+n(t)

(15)

英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤信息的頻譜為：

Yp(u)=Fa[y(t)]

=Fa[s(t)+n(t)]

=Fa[s(t)]+Fa[n(t)]

(16)

在信號(hào)的先驗(yàn)概率滿(mǎn)足收斂條件的情況下，計(jì)算英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的時(shí)間寬度：

(17)

英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的頻域特性描述為：

(18)

根據(jù)貝葉斯公式，進(jìn)行英語(yǔ)口語(yǔ)發(fā)音信號(hào)的特征篩選，檢測(cè)輸出為：

(19)

采用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，進(jìn)行英語(yǔ)口語(yǔ)發(fā)音信號(hào)的特征篩選和分類(lèi)識(shí)別。

2.英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音錯(cuò)誤捕捉輸出

建立英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤信號(hào)的統(tǒng)計(jì)特征分析模型，采用深層神經(jīng)網(wǎng)絡(luò)分類(lèi)器進(jìn)行英語(yǔ)口語(yǔ)發(fā)音信號(hào)的特征篩選和分類(lèi)識(shí)別，根據(jù)特征分類(lèi)結(jié)果實(shí)現(xiàn)英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤信息捕捉和識(shí)別，為了防止過(guò)擬合，對(duì)L個(gè)塊特征量采用模糊狀態(tài)分離方法，得到特征參數(shù)a1(t)和a2(t)由下式確定：

(20)

根據(jù)英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音錯(cuò)誤特征篩選輸出為：

(21)

上式中，a(t)稱(chēng)為英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的z(t)瞬時(shí)幅度，φ(t)稱(chēng)為英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤特征的模糊狀態(tài)分量，采用如下檢測(cè)門(mén)限進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音錯(cuò)誤特征檢測(cè)：

xmin,j=max{xmin,j,xg,j-ρ(xmax,j-xmin,j)}

(22)

xmax,j=min{xmax,j,xg,j+ρ(xmax,j-xmin,j)}

(23)

結(jié)合先驗(yàn)概率和似然函數(shù)估計(jì)方法[10]，得到英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤特征檢測(cè)輸出為：

(24)

此時(shí)英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音錯(cuò)誤捕捉輸出表示為：

其中，γ代表英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤特征分量。

三、仿真實(shí)驗(yàn)與結(jié)果分析

為了測(cè)試本文算法在實(shí)現(xiàn)英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方面的性能，進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)采用Matlab 7仿真軟件設(shè)計(jì)，英語(yǔ)口語(yǔ)發(fā)音信號(hào)采樣節(jié)點(diǎn)數(shù)量為120，特征提取的分辨率為200KHZ，輸出的英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)長(zhǎng)度為1200，待測(cè)語(yǔ)音信號(hào)集個(gè)數(shù)為20，干擾信噪比為20dB，根據(jù)上述仿真參量設(shè)定，進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉仿真分析，其中英語(yǔ)口語(yǔ)發(fā)音信號(hào)模型如圖2所示。

圖2 英語(yǔ)口語(yǔ)發(fā)音信號(hào)模型

以圖2的英語(yǔ)口語(yǔ)發(fā)音信號(hào)為研究對(duì)象，進(jìn)行英語(yǔ)口語(yǔ)發(fā)音的錯(cuò)誤捕捉，得到捕捉結(jié)果如圖3所示。

圖3 英語(yǔ)口語(yǔ)發(fā)音的錯(cuò)誤捕捉結(jié)果

分析圖3得知，本文方法能有效實(shí)現(xiàn)對(duì)英語(yǔ)口語(yǔ)發(fā)音的錯(cuò)誤捕捉和特征分離。測(cè)試不同方法英語(yǔ)口語(yǔ)發(fā)音的錯(cuò)誤捕捉的精度，得到對(duì)比結(jié)果如圖4所示。

圖4 捕捉精度對(duì)比

分析圖4得知，本文方法的英語(yǔ)口語(yǔ)發(fā)音的錯(cuò)誤捕捉的精度較高，實(shí)用性較強(qiáng)。

結(jié)語(yǔ)

研究英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方法，在提高英語(yǔ)口語(yǔ)教學(xué)有效性方面具有重要意義，能夠促進(jìn)英語(yǔ)口語(yǔ)發(fā)音規(guī)范化，因此本文提出基于深層神經(jīng)網(wǎng)絡(luò)的英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉方法。給出英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)檢測(cè)模型，采用多傳感檢測(cè)方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的原始數(shù)據(jù)采集，對(duì)采集到的英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)進(jìn)行尺度分解和特征提取，提取英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的特征量，采用波束形成方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)的特征聚焦，采用深層神經(jīng)網(wǎng)絡(luò)檢測(cè)方法實(shí)現(xiàn)英語(yǔ)口語(yǔ)發(fā)音語(yǔ)音信號(hào)錯(cuò)誤特征檢測(cè)和捕捉。分析得知，本文方法進(jìn)行英語(yǔ)口語(yǔ)發(fā)音錯(cuò)誤捕捉的精度較高，可靠性與實(shí)用性較強(qiáng)。