摘要提出了一种以EEMD（系综经验模分解）为主体的声韵分割算法。声韵分割算法是完成语音识别的重要前提。运用EEMD算法，让程序可以在复杂的语音环境下更可靠、更准确的找出声韵分割点。69352

在不同的噪声环境下，通过选取短时能量和短时平均过零率作为特征参数，运用EEMD算法，分解出多个原语音中不同频率的成分，并对其进行傅氏变换，得出时域和频域图形。再通过语音中声母和韵母的发生规律和各自特点，找出声韵分割点。数值仿真结果表明：与传统的短时能量和短时过零率方法相比，EEMD的算法准确性更高，可以更加直观检测到声韵分割点，且可以在复杂环境下较好的实现声韵分割。

毕业论文关键词  EEMD ；复杂环境 ；声韵分割

毕业设计说明书外文摘要

Title  Research on initial/final segmentation for Chinese in complex environment                                  

Abstract

A algorithm of initial/final segmentation is proposed, which is based on Ensemble Empirical Mode Decomposition (EEMD). Initial/final segmentation is the important prerequisites of speech recognition. With the use of this method，we can find out the initial/final segmentation point more stably and more accurately.

With analysis of selecting short-time energy and short-time average zero-crossing rate as the characteristic parameter, using the segmentation of EEMD, decomposing the parts of different frequency in multiple original speech，and obtaining time-domain and frequency-domain graphics by using Fourier transform. Finally，finding the rule of initial and final, and finding out the initial/final segmentation point. As shown in the experiments, compared with traditional algorithms, this algorithm can be used higher accuracy rate and superior.

Keywords ： EEMD ; complex environment; initial/final segmentation 

目   次

1 绪论 1

    1.1汉语语音识别的背景和当前发展 1

1.2 语音的特性与汉语语音的基本原理 1

1.2.1 语音的声学特性 1

1.2.2人体发声过程 1

1.2.3汉语语音的基本原理及特点 3

    1.3 汉语声韵分割的意义 5

    1.4 语音分析方法分类 5

    1.5 汉语声韵分割的历史背景 6

    1.6 本文主要内容 7

2 EEMD算法简介 8

    2.1 EMD原理及特性 8

2.1.1 本征模函数IMF 8

2.1.2 EMD算法的分解过程 8

2.1.3 EMD算法的计算步骤 8

2.1.3 EMD特性 9

2.1.4 EMD算法的主要问题 10

    2.2 EEMD的提出 11

    2.3 EEMD的分解原理 11

    2.4 EEMD算法 11

2.4.1 EEMD算法分解步骤 11

2.4.2 EEMD算法的注意事项 12

2.4.3 EEMD算法的分解目的