龙润田

（首都师范大学 文学院，北京100089）

一、引言

普通话、汉语方言及大部分分布在中国南方的少数民族语言均具有声调。这些语言的声调具有很强的别义能力。在语音信号处理中，声调作为语音的重要组成部分，其对于声调的识别及合成研究亦具有重要的意义。

对于声调识别，利用声调与基音频率间的关系实现语音的识别已成为研究者们的共识。常用的语音识别方法包括隐马尔科夫模型（HMM）[1-2]，神经网络[3-4]，支持向量机（SVM）[5-6]以及特征聚类[7]等。对于HMM、神经网络以及SVM而言，这3类方法均需要在识别前进行声调模型的训练或设计分类器来对未知声调进行识别。对于特征聚类的声调识别，则通过不同声调间参数的区分性，利用声调特征进行聚类分析达到声调识别的目的。除了识别算法外，声调识别特征也是声调识别的重要组成部分，目前的声调识别特征主要包括语音声学特征[1,2,6]、基频特征[5,8]等。常用的特征包括基音频率、短时能量以及基频衍生的几何特征，如基频的长度、斜率、最值等。

对声调的研究，语言学研究者更关注声调的调类归并、划分及其历史演变过程。但从田野调查中获取的语音材料，在未经听辨记音的情况下，往往不可能获知其到底具有几个声调，这时，采用模型训练的方法，并不能够较为迅速准确地获取声调的类别和调值。对于特征聚类的识别方法，在聚类分析前一般需要事先给定聚类类别的数目，在不知道确切的声调类别数目时，将会给聚类识别带来较大的困难。……