声调是汉语的一个重要特征,在汉语中承担着辩义的重要作用。中文声调的缺失或失真会严重影响中文语言类的沟通流畅性及准确性,进而影响社会生活、生产、交流实践等活动中的方方面面,声调对于语音识别、语音合成和语音康复领域都有着十分重要的意义。但目前声调缺失的情况普遍存在,如喉全切除术后的声调缺失、唇读识别中的声调信息获取、耳语中的声调获取,这些声调缺失情况势必促进新的科技手段的产生、发展和推广。加速度传感器是测量加速度的装置,相对于远距感测,它测量的是自身的运动。在本研究中,主要用于中文单音节加速度信号的获取,其优势是外部声学噪声影响小,信噪比较高,与传统声学测量方法(如麦克风传感器)相比,可直接获取到喉部运动的信息,另外与肌电传感器相比,加速度传感器的佩戴可以不受皮肤阻抗影响。本文通过对喉部肌群运动信息的捕捉,实现在不依赖声音信息的基础上,对中文声调信息的提取和识别,主要工作内容大致可分为三个方面:硬件系统设计、数据采集与识别算法设计。1.平台设计:在搭建加速度信号采集平台时,使用了Invensense公司生产的MPU6050C加速度传感器,通过单轴的加速度信息的获取,以保证采集系统在功耗和体积上达到可穿戴的要求,同时,单轴数据的获取有效降低计算的复杂性,缩短特征提取和分类算法的时间;2.数据采集:本研究首次实现了中文单音节的加速度信号数据库搭建,在国内外研究中尚属首例,目前总量达24000次发音,共40人,后续还将不断扩充,并将持续采集连续语句、耳语等复杂情况;3.算法方面,使用了基于均方根(RMS)的阈值检测算法,对包含着声调信息的加速度信号进行自动分段提取,在特征提取算法方面,使用了稳定小波域变换(SWT)、S域变换(ST)、短时傅里叶变换(STFT)、小波包分解(WPT)、时频域的方法(TAF)等特征提取方法,经特征排序算法排序后,最终通过支持向量机(SVM)对提取到的加速度信息进行了中文四声声调分类。实验结果显示:1.五大类从未用于声调提取应用的特征提取方法在本应用中具备不同的性能和特点,其中STFT具有用时短、识别率高的特点,与其他加速度信号的应用中表现不同;2.特征排序方法可以提高特征有效性,避免特征冗余,提高运算效率和时间,经排序后的STFT最高识别率可达92.10%;3.通过对比四个不同的颈部肌肉位置的识别率,发现最佳采集位置位于舌骨与甲状软骨之间的皮肤表面;4.对五种特征提取方法在四声声调的单音识别问题进行了结果分析,发现第一声的识别率最高,且识别较为稳定。