当前位置：文档之家 › 基于最大似然模型插值的快速说话人自适应算法

基于最大似然模型插值的快速说话人自适应算法

  • 格式：pdf
  • 大小：158.08 KB
  • 文档页数：5

ｔ ｎ。 ａｓｔ ｆ ｐａ ｅ ｅｅ ｄ ｎ Ｓ ｉ ｆ ｅ ｏ ｅ ｋ ｒ ｐｎ ｅ ｔ（ Ｄ）ｎ ｄ ｌ ａｃｒｉｇｔ ３￣ ｎ！ｔｉｅ ｈ ｏ ＭＬ）ｃｉ ｉ ｎ Ｔｈｓｍｅｈ ｄｈ ｏ ｓ ｄ － ｅ ｃｏ ｄｎ ｌａ Ｌｆ ｌ ｌ ｏｄ（ Ｋ ｓ Ｏｔ Ｆ ｋ ｉ ｒｅ ｏ ｉ ｔｑ ｔｏ ∞ ｍａｅＬｅ０ ｈ ｏｒｔ ｏ ｆ ｐｅｈ ｕ ｓＴｈｎ ｔ ｏ ｃｅｅ￣ ｎ ［ ｓｎｎｅ ｄ ｓ ｆｔｅｏ ｒ ｍｉｎｏ ｅｃ Ｍｔ Ｉ ｅ ｓ ｅ ．ｗｏｃｎ ｒｔ ｔ ａ ｌｄｍ㈨ ｍｌ ｌ ｅｒｉｔｒｏａ ｏ ｎ Ｉ ｉ ａ ｅｐ Ｌ ｎａ ｄｒａ ｎ ｎ ｉ ｔ ｒ
维普资讯
中
第 １ ６卷 第 １期
文
信
息
学
报
Ｖ １１ ０ Ｉ ｏ．６Ｎ ．
Ｊ ＲＮＡＬＯＦＣ ＮＥ Ｅ Ｉ ＯＲ ＯＵ ＨＩ Ｓ ＮＦ ＭＡＴ ＯＮ Ｐ ＯＣ Ｓ Ｉ Ｉ Ｒ Ｅ ＳＮＧ
基 于 最 大 似 然 模 型 插 值 的 快 速 说 话 人 自适 应 算 法
Ｉ ｉｇ Ｗ ．Ｎ Ｚ ｏ ｙｎ Ｌ Ｏａ ｉ Ｐｎ Ｖ ＆ Ｇ ｕ － ｌ ｇ Ｕ ｊ ｎ
【 ｐ ｒｍ￣ ｏ ｅ ｔ ｉ Ｅ，ｉｅｆ ｇ Ｔｓ ｇ ｕ ｉｅｓ ｙ Ｂ ｉｎ １ ０ ８ ） Ｄｖ ａｔ ｍ ｆ ｃ￣ ｃ ｒ ｎｅ ｎ ． ｉ ｈ ａＵｎｖ ｒｉ ．ｅｊ ｇ ０ ０ ４ Ｅｉ ｇ ｉ ｎ ｔ ｉ Ａｈ ｔａ ｔＡ ｏ ｅ ｓ ｅ ｋ ｒａ ａ ｔ ｉｎ ｍｅ ｈ ｄｔ ｅ Ｉ ｘ ｌｔ ｉｄｉｃ￣ ｍ ０ ｅ ｉｔｒ ｌｔ ｎ （ ＬＭ Ｉ ｓｐ ｐ ｓｄ ｓｒ ｃ ： ｎ ｖ ｌ ｐ ａ ｅ ｄ ｐａｔ ｔｏ ｍｍ ｄ Ｉｌ ￣ ｕ１ｌ ｏ ａ ｌ ｋ ｈ． ｄ 【ｎ ｅ ｐ ａ ｉ ｏ ｏ Ｍ ）ｉ ｒ ｏ ｅ ｏ
ｔ ｉ ｉ ｅ ｒｉ ｔ ｒ ［ｔ ｅ ｐ ｃ ｉ ｅｙ ａ ｅ ｇ ｖ ｎ Ｅｘ ｅ ｉ ｎ ｓ Ｓ Ｏ ｔ ａ ｄ ｐ ａ ｉｎ ｔ ｔ ｒ ｎ ｍ ａ ｉｅ ａ ｓｇ ｉ ｃ ｎ ｒｘ ｌ ａ ｅ ｐ ａ ｉ ｒ￣ ｅ ｔ ［ ｒ ｉｅ ｐ ｒｍｅ ｔ ｜ ｗ ｈ ｔ ３ ａ ａ ｔ ｔ ｌ ｅ ａ ｏ ｃ ｎ ｇ ｖ ｉｎ ｆ ａ ｔ ｎ ｎ ｏ ｎ ｏ ｖ ： ｏ ｔ ｉ
Ｉ ｔ ｒ ｏ ａ ｉ ｎ ｍａ ｒ ｔ ｅ ｒ ｉ ｔ ｒ ｏ ａ ｉ ｎ ｎ ｅ ｐ ｌ ｔ ； ｔｉ ｉ ａ ｅ ｐ ［ｔ ｏ ｘ ｎ ｎ ｏ
一
、引 言 Fra bibliotek九 十年 代 以 来 ， 词 汇 连 续 语 音 非特 定 人 语 音 识 别 系 统 性 能 有 了 显著 提 高 。 但 是 ， 练 与 大 训 识 别 环 境 问 的失 配 （ 括说 话 人 不 同 ， 道 不 同等 ） 导 致 识 别 性 能 的 下 降 … 说 话 人 自适 应 包 信 将 Ｉ
ｐ ｒｏ ￣ｎ ｅＬ ｐ ｏ ｅｎ ｎ ｅ ｆｍ ａ ｃ ｍ ｒ ｖ ｔｅ ｌ Ｋｅｌ ｄ ：ｏ ｉ ｕ ｕ ｐ ｅ ｈ ｒｅ ｇ ｇ ；ｐ ａ ｅ ｄ ｐ ａ ｉｎ：１ ｘＴ ｕ ｉ ｅｉｏ ｄ ｍｏ ｋ【ｉｔｒ ｏａ ｉ ｎ ｅ ｎ ｌ ｅ ｒ ｙ￣￣ ｓｃ ｎｔ ｏ ｓｓ ｅｃ ｅｏ ￣ｉｏ ｓ ｅ ｋ ｒａ ａ ｔｔ ｎ ｎ ｏ ［Ｓ Ｊｎ ｍ ｌ ｌ ｏ （ ｎ ｅ ｐ ｌｔ ｎ； ｌａ ｉ ａ ￣ ｋ ｈ ｏ ｎ
Ｔｈ ａｉ ｉ ａｏ ｅｂ ｓ ｅ ｆ ｃｄ ＭＬＭＩｓｔ ｍｐ ｔ ｐａ ｅ ｄ ｐｅ （ Ａ） ￣ ｉ［ ｆ ｓ ｓｅｋ ｒ ｙａｌ ｅｒｏｎ ｅ ｒｂｎ — ｃ ｉ ｏ ｏ ｕｅｔ ｓｅｋ ｒ ａ ｔ Ｓ ｎ ｘｅ ｏ ｔ ｔｐ ａ ｅ ｎ ｖ ｘｃ ｎ ｉａ ｅ ｈ ａ ｄ ａｅ ｂ ｉａ ｏ ｏ
然 线 性 回 归 （ ｘｍｕ ｌ ｅ ｈ ｏ ｉｅ ｒｒｇ ｅｓ ｎ Ｍ Ｌ Ｒ） Ｊ ｍａ ｉ ｍ ｋ ｌ ｏ ｄ ｌ ａ ｅ ｒｓｉ ， Ｌ ｉ ｉ ｎ ｏ ｃ
（ｐ ａ ｅ ｄ ｐａｉｎ Ｓ 技 术 则 是 一 种 在 失 配 情 况 下 提 高 语 音 识 别 系 统 性 能 的 有 效 手 段 。 ｓ ｅｋ ｒａ ａ ｔｔ ， Ａ） ｏ 目前 最 为 流 行 的说 话 人 自适 应 方 法 有 ： 大 后 验 概 率 （ ｘｍｉ ｏ ｔｒ ｒ ＭＡＰ） 和 最 大 似 虽 ｍａ ｉ ｚ ａｐ ｓｅ ｉ ， ｅ ｏ
吕 萍 王 作英 陆 大 金
１０ ８ ） ０ ０ ４
（ 华 大学 电子 工程 系 清
北京
摘 要 ： 文提 出 了一 种新 的 说话 人 自适 压 算 法— — 最 天似 然模 型插 值 ： 其基 奉 思 想 是 ， 用语 音 单元 阃 奉 利
的 相 关性 ， 据最 大 似 楼准 则 由一 组说话 人 相 关模 型 的线 性组 合得 到 剥 试者 的 说话 人 白适 应模 型 。接 着 介绍 根 了此插值 框 架 下的 两种 具 体 白适应 算 法 ： 值 线性 插值 算 法和 矩 阵线 性插 值 算 法 。 实验证 明上 逮算 法 有 良好 均 的 收敛 性 ， 只 有 ３句 自适应 数 据 时便 能使 识 别 系统 的性 能有 较 大提 高 在
关 键词 ： 续语 音识 别 ； 话人 白适应 ； 大似 然模 型插 值 ； 值 线性 插值 算 法 ； 阵线性插 值 连 说 最 均 矩
中 国分 类号 ： ３ １４ ＴＰ ９ ２
Ａ ｐｅ ｋｅ Ｓ ａ ｒ Ａｄａ ａｔｏ ｇ ｒ ｔ ｍ ｓ ｄ ｎ Ｍ ａ ｒ ｘ Ｌｉ ｅ ｒ Ｉ ｅ ｐ ａ ｉ ｎ ｐｔ ｉ ｎ Ａｌ ｏ ｉｈ Ｂａ ｅ ｏ ｔ ｉ ｎ ａ ｎｔ ｒ ｏｌ ｔｏ

合集下载

说话人识别

说话人识别

H1
说话人识别
UBM模型的另一个用途，是可以在只有少量集 内说话人训练语料的条件下，依据UBM模型自适 应得到集内说话人模型。 最大后验准则 (Maximum A Posteriori, MAP) 方 法
nm P(qt i ot , )
t 1 T
1 T Em (O) P(qt i ot , )ot nm t 1
GMM Gaussian model
说话人识别
GMM本质上是一种多维概率密度函数 M 阶GMM的概率密度函数如下：
P(o ) P(o, i ) ci P(o i, )
i 1 i 1 M M
有
c
i 1
M
i
1
1
(o μ i )T Σi1 (o μ i ) P(o i, ) N (o,μ i ,Σi ) exp K 1 2 2 2 (2 ) Σi
t
P( q
i | ot , )
说话人识别
2 ik 2 P ( q i | o , )( o ) t tk tk t 1 T T
P( q
t 1
t
i | ot , )
说话人识别
开始 给定初始模型的阶数 M
初始化模型参数
0
对于每个特征参量
n arg max p(ot | n )
1 n N t
说话人识别
文本提示型的识别方法
非特定说话人 的基元模型
训练
基元模型生成
门限设定
语 音 输 入
端点 检测
特征 提取 指定文本 识别 文本模型生成
匹配计算
门限比较
判 定 输 出
【国家自然科学基金】_最大似然准则_基金支持热词逐年推荐_【万方软件创新助手】_20140731

【国家自然科学基金】_最大似然准则_基金支持热词逐年推荐_【万方软件创新助手】_20140731


科研热词 推荐指数 嵌入 3 高斯混合模型(gmm) 2 说话人识别 2 最大似然估计 2 ofdm 2 高斯混合背景模型 1 铁路通信 1 通用载波环 1 载波同步 1 轨道占用识别 1 贝尔实验室垂直分层空时 1 贝叶斯因子 1 说话人确认 1 自联想神经网络(aann) 1 自相关 1 粒子群算法 1 空间信道模型 1 码元定时 1 目标定位 1 生物信息学 1 消影点 1 水下声传感器网 1 极大似然准则 1 极化sar 1 最小均方误差估计 1 最大似然拟合 1 最大似然准则 1 最大似然 1 显著性检验 1 时间同步 1 时延神经网络(tdnn) 1 时延神经网络 1 摄像机标定 1 心理测量函数 1 强迫选择实验 1 大视场 1 多输入多输出-正交频分复用系统 1 复wishart距离 1 噪声增强 1 同步 1 列车定位 1 分数倍频偏 1 先验分布 1 信道估计 1 交通控制 1 一维靶标 1 lts-hausdorff距离 1 h/α /a 1 fpga 1 fft 1 d-s证据理论 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1准 1 遥感影像 1 载波频偏 1 计算复杂度 1 表情识别 1 联合估计 1 精度 1 状态空间隐射 1 温度 1 极大似然估计采样一致性准则 1 最大似然序列检测 1 最大似然估计 1 扩展c型hmm模型 1 多输入多输出(mimo)雷达 1 城市 1 回归分析 1 参数估计 1 分布式天线 1 s-sch检测 1 hadamard变换 1 3gpp-lte 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46
基于码本的说话人自适应方法

基于码本的说话人自适应方法

基于码本的说话人自适应方法
吕津;赵明生;王作英
【期刊名称】《电子学报》
【年(卷),期】2001(029)004
【摘要】本文提出了一种基于码本的说话人自适应方法.它可以将变换方法和Bayes估计法这两大类说话人自适应方法的优点有机的结合起来，既能实现快速的说话人自适应，还具有良好的一致渐进性.自适应过程可分为两个阶段：在第一阶段，用由大量参考说话人的语音码本构成的线性组合来逼近用户的语音码本.此时只需要很少的自适应训练数据就可以用基于Rosen梯度投影法的优化算法计算出线性组合中各码本的最佳权值.在第二阶段，码本的最佳线性组合被用作用户码本的先验估计值.随着更多自适应训练数据的获得，系统对用户码本进一步进行Bayes估计，从而可以实现累进的自适应.作者将该方法应用于说话人无关的连续汉语语音识别系统.一系列的对比实验表明该自适应方法很有前途.
【总页数】5页(P456-460)
【作者】吕津;赵明生;王作英
【作者单位】清华大学电子工程系，北京 100084;清华大学电子工程系,;清华大学电子工程系,
【正文语种】中文
【中图分类】TN912.34
【相关文献】
1.基于深度神经网络的说话人信道自适应方法 [J], 龙艳花;倪继锋;叶宏
2.语音识别中基于低秩约束的本征音子说话人自适应方法 [J], 张文林;张连海;陈琦;李弼程
3.基于最大似然可变子空间的快速说话人自适应方法 [J], 张文林;牛铜;张连海;李弼程
4.基于深度神经网络的说话人自适应方法研究 [J], 古典;李辉
5.基于深度神经网络的说话人自适应方法研究 [J], 古典;李辉;
因版权原因，仅展示原文概要，查看原文内容请购买。

语音识别系统设计中的声学模型训练方法

语音识别系统设计中的声学模型训练方法

语音识别系统设计中的声学模型训练方法在语音识别系统设计中，声学模型训练方法是至关重要的环节。

声学模型是语音识别系统的重要组成部分，它的训练方法直接影响着识别系统的性能和准确度。

本文将探讨一些常见的声学模型训练方法，介绍它们的原理和应用情况。

一、高斯混合模型（GMM）高斯混合模型是一种常用的声学模型训练方法，它基于统计建模的原理。

GMM假定语音信号的声学特征服从高斯分布，通过拟合多个高斯分布来表示语音信号的特征分布。

在声学模型训练中，首先需要提取语音信号的特征向量，常用的特征向量包括梅尔频率倒谱系数（MFCC）和滤波器组频率特征（FBANK）。

然后，通过使用EM算法来估计GMM的参数，包括每个高斯分布的均值、方差和权重。

在训练过程中，要使用大量标注好的语音数据来训练声学模型。

训练数据通常包括语音的文本标注和相应的特征向量。

通过最大似然估计的方法，可以调整GMM的参数使其最好地拟合训练数据。

训练完成后，声学模型就可以用于识别未知语音的特征。

二、深度神经网络（DNN）深度神经网络是近年来发展起来的一种强大的声学模型训练方法。

DNN是一种多层感知器模型，通过多层神经元的组合和非线性变换来对语音信号进行建模。

与GMM相比，DNN能够学习到更复杂的语音特征表示，从而提高识别准确率。

DNN的训练过程是通过反向传播算法来进行的，首先通过随机初始化权重和偏置，然后逐渐调整它们使得DNN的输出与标注的语音标签最匹配。

与GMM相比，DNN需要更大规模的训练数据来获得更好的性能。

此外，为了避免过拟合现象，还需要进行正则化和提前停止等技术手段。

三、循环神经网络（RNN）循环神经网络是一种特殊类型的神经网络，常用于处理序列数据，如语音和文本。

RNN的一个重要特点是它可以通过时间步骤之间的信息传递来处理动态序列数据。

在语音识别中，RNN常常被用来对声学特征进行建模。

RNN的训练过程类似于DNN，通过反向传播来调整权重和偏置。