一种基于高斯分类的快速模型自适应方法技术
【技术实现步骤摘要】
一种基于高斯分类的快速模型自适应方法
本专利技术属于语音识别领域，具体涉及到对语音识别系统声学模型的高斯单元进行分类，对每类高斯单元的均值和方差进行参数变换的快速模型自适应方法。
技术介绍
在实际应用中，语音识别系统经常受到环境噪声的干扰，这导致系统的识别性能严重下降，因此有必要采取措施减小环境噪声的影响，增强系统的环境适应能力。模型自适应是一种有效的鲁棒语音识别技术，它利用测试环境下的少量自适应数据，对预先训练的声学模型的参数进行变换，使之与测试环境相匹配，直接对测试语音进行识别。模型自适应既可以用于噪声自适应，也可以用于说话人自适应，具有应用范围广、补偿精度高的优点。但是，对每个声学模型的每个高斯单元进行参数变换都涉及复杂的矩阵运算。一个典型的语音识别系统有几百个基本语音单元，对应几百个声学模型，且每个声学模型一般都包含几十个高斯单元。因此，在噪声类型或电平快速变化的非平稳环境中，模型自适应难以实时完成。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供了一种基于高斯分类的快速模型自适应方法。在该方法中，将语音识别系统全部声学模型的所有高斯单元...
【技术保护点】
一种基于高斯分类的快速模型自适应方法，其特征在于，将语音识别系统全部声学模型的所有高斯单元划分为若干类，并提取每类高斯单元的均值向量和协方差矩阵作为类的均值向量和协方差矩阵，在环境噪声改变的初期对类的均值和方差进行模型自适应，作为该类内全部高斯单元的均值和方差的近似值，以实现声学模型的快速噪声自适应。
【技术特征摘要】
1.一种基于高斯分类的快速模型自适应方法，其特征在于，将语音识别系统全部声学模型的所有高斯单元划分为若干类，并提取每类高斯单元的均值向量和协方差矩阵作为类的均值向量和协方差矩阵，在环境噪声改变的初期对类的均值和方差进行模型自适应，作为该类内全部高斯单元的均值和方差的近似值，以实现声学模型的快速噪声自适应。2.根据权利要求1所述的一种基于高斯分类的快速模型自适应方法，其特征在于，具体包括：(1)用K均值聚类算法将语音识别系统全部声学模型的所有高斯单元划分为N类；(2)将每一类的全部高斯单元的均值向量和协方差矩阵作为数据，计算这些数据的均值向量和协方差矩阵，作为该类全部高斯单元的均值向量和协方差矩阵的近似值，记为第i类高斯的均值和方差；(3)用一个含有较少高斯单元的高斯混合模型从含噪测试语音中实时提取环境噪声的参数，并监视噪声的变化情况；(4)若环境噪声的类型或电平发生改变，则立即根据噪声的参数对每类高斯的均值和方差进行非线性模型自适应，并将自适应后的均值和方差作为该类内全部高斯单元的均值和方差的近似值，实现声学模型的快速...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。