1/22
文档分类:通信/电子

基于说话人聚类的说话人自适应.doc


下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

特别说明:文档预览什么样,下载就是什么样。

下载所得到的文件列表
基于说话人聚类的说话人自适应.doc
文档介绍:
基于说话人聚类的说话人自适应.doc基于说话人聚类的说话人自适应
摘要本文提出一种改进的基于模型差别度量的说话人聚类 (Speakerclustering)方法,并将该说话人聚类算法结合最大似然线性 回归算法(Max i mumL ikelihoodLi nearRegre ssion, MLLR)构成整体的说 话人自适应框架。将该方法应用于以音素为识别基元的汉语连续语音 识别系统中,可能够提高系统的识别率,较好的满足快速性和渐进性。 实验结果表明,该方法能够在仅有一句自适应数据的情况下,使系统 字正识率由40. 43%提高到50. 86%o
关键词说话人聚类;说话人自适应
1引言
近年来,语音识别[1]技术已经日趋成熟,尤其对于特定人的语音 识别十分准确。大量实验结果表明,在训练数据都很充分而且各方面 的条件都相同时,特定人(SpeakerDependent, SD)识别系统的性能通 常好于非特定人(SpeakerIndependent, SI)系统。然而,当某个特定 人的训练数据受限时,由于缺少可靠估计模型所需要的足够多的数据, SD系统的这种优越性就不能得到保证。说话人自适应就是在一个针对 原说话人充分训练的SD系统中,或是一个对许多说话者充分训练的 SI系统中加入少量新说话人的训练语音数据,通过一定的算法使新老 数据结合,从而使系统的识别率接近于对新说话人经过充分训练的SD 系统的水平。
基于说话人聚类的说话人自适应是说话人自适应技术的一种[2], 就是将原有的训练数据按照一定的算法聚类,识别时选取待识别语音 所属类别的模板进行匹配,可以扩大适用人群,提高系统性能。
2主要自适应算法
说话人聚类是直接根据说话人的某种特性(或者根据某种度量), 将训练集中的说话人根据其语音特性分成若干个子集,每一个子集内 的说话人都具有某种度量意义下的相似性,然后专门为每个子集训练 声学模型,从而得到一组离散度和混叠度较小的说话人聚类 (Speakerclustering, SC)模型;测试时,先判断待测试的语音属于 哪一个说话人子集,然后用这个子集的声学模型来进行测试[3]。
应用较为广泛的是基于说话人特性的和基于模型距离的聚类方 法:说话人特性包括说话人的性别、年龄、口音等。这种方法利用先 验的说话人的特性,在满足模型训练量的条件下,将说话人分到更小 的子集合中。一个最常用的例子就是按性别将说话人进行分类。这种 方法通常需要先验知识,也就通常离不开人工干预。的说话人聚类方 法直接根据不同说话人对应的声学模型间的距离来进行聚类。首先根 据某种模型距离度量方法,建立模型间的距离矩阵,然后完成基于距 离矩阵的聚类,其中的关键是声学模型间距离的度量方法。高斯混合 模型(GaussianMixtureModel, GMM)是基于模型距离说话人聚类常用 的模型,GMM的概率密度分布函数是由个高斯概率密度函数加权求和 而得到的,如式(1)所示:
其中是观测值X在某个GMM模型下的概率密度函数。X是k维的 随机向量,是高斯混元的权值。是第i个单高斯分布概率密度函数, 如⑵式:
(2)
对高斯混合模型而言,模型距离的定义最终可以归入分布间的距 离衡量。其中常用的有如下几种:
欧式距离(EuclideanDistance):
(3)
马氏距离(MahalanobisDistance)
(4)
巴特查里亚距离(EhattacharyyaDistance)
(5)
其中,,表示两个多维高斯分布,为两个分布的均值向量,表示两 个分布的协方差矩阵。
最大似然线性回归法(MaximumLikelihoodLinearRegression, MLLR)是一种基于变换的方法,它采用一组变换描述从初始模型到说话 人自适应(SpeakerAdaptation, SA)后模型的变换关系,另外MLLR还 能对不同的信道及附加噪声有一定补偿作用。一般认为不同说话人之 间的差异主要表现在均值矢量上,式(6)为均值转换的估计式。
(6)
其中是混合成份s的转移矩阵,是自适应后的均值后的均值向量,
是混合成分S的扩展均值向量,其定义如下:
(7)
3模型间的差别度量
可以将一个GMM的参数看作一组语音特征,考察这组特征在另一 个GMM中的输出概率。用输出概率来衡量两个模型间的距离[4]。
其方法如下:把GMMA的M个混元的均值向量当作M个观测向量, 计算这M个观测矢量在GMMB下的概率。类似地,计算GMMB的M个混 元的均值向量在GMMA下的概率。
定义GMMA和GMME的单边加权似然度为:
(8)
其中,CAi表示GMMA第i个混元的权值,uAi表示第i个混元的 均值向量,表示GMMA第i个混元的均值向量在
内容来自淘豆网www.taodocs.com转载请标明出处.
非法内容举报中心
文档信息
  • 页数22
  • 收藏数0 收藏
  • 顶次数0
  • 上传人蓝天
  • 文件大小90 KB
  • 时间2021-07-12