QQ客服 官方微博 反馈留言

	最大似然线性回归说话人自适应算法在LPHMM中的应用
	王晶莹 ; 王作英 ; 欧智坚 ; Wang Jingying ; Wang Zuoying ; Ou Zhijian
	2010-07-15 ; 2010-07-15
会议名称	第八届全国人机语音通讯学术会议论文集 ; 第八届全国人机语音通讯学术会议 ; 中国北京 ; CNKI ; 中国电子学会信号处理学会语音图象通讯专业委员会、中国计算机学会人工智能与模式识别专业委员会、中国声学学会语音听觉和音乐声学专业委员会、中国通信学会通信理论专业委员会、中国语言学会语音学专业委员会、中国中文信息学会语音信息专业委员会、中国自动化学会模式识别与机器智能专业委员会、国家863计划计算机软硬件技术主题专家组
关键词	线性预测隐含马尔可夫模型 LPHMM(Linear Prediction Hidden Markov Model) 最大似然线性回归MLLR (Maximum Likelihood Linear Regression) 说话人自适应 SA(Speaker Adaptation) LPHMM (Linear Prediction Hidden Markov Model), MLLR (Maximum Likelihood Linear Regression), SA (Speaker Adaptation) TN912.3
其他题名	The application of maximum likelihood linear regression speaker adaptation method in linear prediction hidden markov model
中文摘要	本文提出了一种改进的最大似然线性回归说话人自适应方法一线性预测最大似然线性回归说话人自适应方法。由于LPHMM相比于经典的HMM充分利用了语音信号的时间相关性信息,能更充分地描述语音特性,因此将MLLR应用在LPHMM 中能得到更好的说话人自适应效果。自适应过程可以分为两个阶段:第一阶段,对特征去相关;第二阶段,对均值自适应。作者通过大词汇量连续语音识别实验果证明:这种做法可以明显降低语音识别系统的误识率。; In this paper, author proposed using MLLR (Maximum Likelihood Linear Regression) in LPHMM (Linear Prediction Hidden Markov Model). Since LPHMM made fully use of temporal dependence information and it could better describe characteristics of speech signal than classical HMM, the use of MLLR in LPHMM can achieve better adaptation result. The adaptation process can be divided into two stages. In the first stage, the feature is decorrelated. In the second stage, mean is adapted. Experimental results show that system performance can be improved by doing so.
会议录出版者	《声学技术》编辑部
语种	中文 ; 中文
内容类型	会议论文
源URL	[http://hdl.handle.net/123456789/69863]
专题	清华大学
推荐引用方式 GB/T 7714	王晶莹,王作英,欧智坚,等. 最大似然线性回归说话人自适应算法在LPHMM中的应用[C]. 见:第八届全国人机语音通讯学术会议论文集, 第八届全国人机语音通讯学术会议, 中国北京, CNKI, 中国电子学会信号处理学会语音图象通讯专业委员会、中国计算机学会人工智能与模式识别专业委员会、中国声学学会语音听觉和音乐声学专业委员会、中国通信学会通信理论专业委员会、中国语言学会语音学专业委员会、中国中文信息学会语音信息专业委员会、中国自动化学会模式识别与机器智能专业委员会、国家863计划计算机软硬件技术主题专家组.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。