基于高斯相似度分析的说话人自适应方法

摘要

本发明提供了一种基于高斯相似度分析的说话人自适应方法，包括一个自适应前建立非特定人模型状态协方差矩阵的二叉决策树的步骤；一个建立计算二叉决策树每个中间节点的类中心协方差矩阵及其与对应的各叶子节点协方差矩阵间的变换关系阵的步骤；一个自适应时根据测试者提供的自适应数据决定自适应状态类的步骤；一个对每个自适应状态类用最大似然方法估计类中心矩阵的步骤；一个对每个自适应状态类计算自适应后的类中心协方差矩阵的步骤；一个更新每个自适应状态类的协方差矩阵，得到说话人自适应模型的步骤。本发明能够利用少量数据对协方差自适应，而且可以与均值自适应方法同时使用，自适应效果显著。

主权项

1、一种基于高斯相似度分析的说话人自适应方法，包括一个自适应前非特定人隐含马尔可夫模型的训练步骤，其特征在于：所述的方法还包括：一个自适应前由所说的非特定人隐含马尔可夫模型参数，根据高斯相似测度建立起了描述隐含马尔可夫模型状态观测概率在特征空间分布形状关系的二叉决策树的步骤：先将该非特定人模型的所有状态对应的协方差矩阵放入根节点，计算根节点的中心矩阵，接着用K均值算法将根节点中所包含的状态分成两部分，分别放入两个子节点中，然后对每个子节点重复分裂过程，如果当前节点中的状态数已经不够分解或低于预先设定的门限时就将此节点作为叶子节点，否则重复上述分裂过程直至得到所有的叶子节点，一个叶子节点对应一个协方差矩阵；一个建立二叉决策树的同时计算二叉决策树每个中间节点的类中心协方差矩阵及其与对应的各叶子节点协方差矩阵间的变换关系阵的步骤；一个自适应时根据测试者提供的自适应数据决定自适应状态类的步骤：先根据自适应数据统计每个叶子节点的语音样本数目，如果数目少于事先确定的门限值，则上溯到其父节点，再统计父节点所有的语音样本数，如大于门限则停止，否则继续，直至对所有的叶子节点回溯停止，此时我们得到了适用于这批自适应数据的状态类；一个对每个自适应状态类根据自适应数据用最大似然方法估计类中心矩阵的步骤；一个对每个自适应状态类用上述变换关系阵和类中心矩阵的最大似然估计，计算自适应后的类中心协方差矩阵的步骤；一个更新每个自适应状态类的协方差矩阵，得到说话人自适应模型的步骤。