基于轉(zhuǎn)換矩陣的GLRAM在MAP結(jié)構(gòu)中說話者自適應(yīng)的應(yīng)用

李澤萌 李娜 蔣春燕

摘 ? 要：本文描述了這一種新的說話者轉(zhuǎn)換矩陣用基矩陣表示的說話者自適應(yīng)的方法，利用最大似然線性回歸轉(zhuǎn)換矩陣（MLLR）的廣義低階近似（GLRAM）構(gòu)建了基矩陣，用公式表示了在最大限度的后驗（MAP）結(jié)構(gòu)下說話者的自適應(yīng)。

關(guān)鍵詞：GLRAM ?MAP ?MLLR

中圖分類號：G64 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）02（a）-0154-02

1 ?引言

3 ?實驗

實驗中使用華爾街日報語料庫WSJ0，在訓(xùn)練中使用了101個說話者的12，574種表達方式。作為特征向量，實驗中使用了39維向量組成了13維的MFCC，以及它們的導(dǎo)數(shù)系數(shù)和加速系數(shù)。同時使用了20ms的漢明窗并以10ms滑動去提取特征向量。通過建立SI模型，使用MLLR得到了每個測試者的回歸矩陣。這101個矩陣通過GLRAM被分解，這些分解矩陣用來建立基矩陣。在自適應(yīng)和識別的測試中，使用了NOV92 ?5K非語言表態(tài)的自適應(yīng)測試集合。在監(jiān)督模式下，測試的8名說話者提取1～5個句子用于自適應(yīng)測試，330個句子用于識別測試。在識別測試中，使用了WSJ 5K非語言表態(tài)的5K封閉詞匯集和WSJ標準5K非語言表態(tài)的閉合雙子字母組。以這個為基準，SI模型給出了91.45%的單詞識別準確率。圖1給出了實驗結(jié)果。

4 ?結(jié)語

本文給出了說話者在SI模型下一名新說話者的轉(zhuǎn)換矩陣的自適應(yīng)系統(tǒng)，同時使用在來自于訓(xùn)練回歸矩陣的GLRAM的基矩陣，用公式表示了在MAP框架下的自適應(yīng)性，同ML配對比較，效果得到了改善。

參考文獻

[1] C. J. Leggeter ，P. C. Woodland.Maximum likelihood linear regression for speaker adaptation of continuous density hidden Markov model，”[J].Comput Speech Lang， 1995，2（9）：171-185.

[2] Y. Jeong ，H. S. Kim.“Speaker adaptation in transform space using generalized low rank approximations of matrices （GLRAM），”[J].in Proc. Spring Conf. KSSS，2012：27-28.

[3] J .Ye.“Generalized low rank approximations of matrices，”[J].Mach. Learn，2005，61（1-3）：167-191.