匹配追踪说话人自适应方法.pdf

《匹配追踪说话人自适应方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第4期声学学报VlOl_39．No．42014年7月ACTAACUSTICAJu1．，2014匹配追踪说话人自适应方法冰张文林屈丹李弼程(解放军信息工程大学信息系统工程学院郑州450002)2012年l1月20日收到2013年4月18日定稿摘要针对现有子空间自适应方法无法确定最佳说话人子空间的问题，提出一种基于匹配追踪的说话人自适应方法。将说话人自适应视为一种高维信号的稀疏分解问题，利用本征音和参考说话人超矢量的各自优势联合构造说话人字典；依据匹配追踪原理，通过迭代优化，以后验方式确定最佳说话人子空间维数及其基矢量。引入冗余基矢量检测与去除机制以保证算法的稳定性，并通

2、过快速递推算法得到新说话人坐标。基于汉语连续语音识别的有监督说话人自适应实验结果表明，与本征音及参考说话人加权方法相比，平均有调音节正识率相对提高了1．9％。PACS数：43．60，43．72SpeakeradaptationusingmatchingpursuitZHANGWenlinQUDanLIBicheng(InstituteofInformationSystemEngineering，PLAInformationEngineeringUniversityZhengzhou450002)ReceivedNov．20，2012RevisedApr．18，2013Abst

3、ractCurrentspeakersubspacebasedadaptationmethodcannotobtainthebestspeakersubspace．Aspeakeradaptationmethodbasedonmatchingpursuitwasproposedtoadressthisproblem．Speakeradaptationwasviewedasthesparsedecompositionofahighdimensionalspeakersupervectorwithanover—completedictionary，whichwasconstruc

4、tedbyeigenvoicesandreferencespeakersupervectors．Throughaneficientiterativelyoptimizationprocess，thebestspeakerdependentsubspacewasdeterminedinamaximumaposteriorway．Aredundantbasesremovingmechanismwasintroducedtoensurethenumericstabilityandnewspeaker’scoordinatewasobtainedthroughafastrecurre

5、ncealgorithm．SuperisedspeakeradaptationonaChinesecontinuousspeechrecognitionsystemshowthatcomparedwiththeeigenvoiceandreferencespeakerweightingmethods．therecognitionaccuracywasimprovedbyrelatively1．9％Dependent，SD)声学模型位于一个低维子空间(说话人子空间)中，训练阶段通过训练数据得到子空间的引言基矢量，在自适应阶段估计新说话人的坐标，从而得对于现阶段大词汇量连续语音识

6、别系统，说话到新的SD声学模型。目前，已有多种基于说话人子人自适应[]是其中的一项关键技术。其基本原理是空间的自适应方法，其各自的基矢量构造及说话人对于一个未知说话人，根据少量的自适应数据，对坐标的估计方法不同。其中，两个具有代表性的方法语音识别系统的相关参数进行调整，使之适应当前是本征音(Eigenvoice，EV)自适应[2-3]及参考说话的说话人。在当前主流的说话人白适应技术中，基人加权(ReferenceSpeakerWeighting，RSW)L4-5]自于说话人子空间的自适应是其中一种重要的方法，适应。两种方法的子空间基矢量及说话人坐标的估它特别适用于少量数据条件

7、下的快速说话人自适计方法各不相同，其共同的缺点是均无法确定与新应。其基本思想是，假设所有的说话人相关(Speaker说话人及白适应数据完全匹配的最佳说话人子空间术国家自然科学基金(61175017)和国家高技术研究发展计划(863)(2012AAO11603)资助524声学学报2014焦维数及基矢量，所得到的都是近似最优解。中的分解为：近年来，随着压缩感知技术在信号处理和机器(s)=+EK(m)XK(S)，(1)学习领域的广泛应用，许多学者开始研究语音信号的稀疏表达，并在稳健性语音识别及语音增强方面其中