使用无监督网络MLLR自适应改进算法的语音识别

• 作者: 潘复平 赵庆卫 颜永红
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 语音识别 无监督自适应 最大似然线性回归 词网 后验概率
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 8-13
• 页数: 6页
• 分类号: TN912.34
• 字数: 5185字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2007.01.002

摘要

介绍了一种基于词网的最大似然线性回归(Lattice-MLLR)无监督自适应算法,并进行了改进.Lattice-MLLR是根据解码得到的词网估计MLLR变换参数,词网的潜在误识率远小于识别结果,因此可以使参数估计更为准确.Lattice-MLLR的一个很大缺点是计算量极大,较难实用,对此本文提出了两个改进技术:(1)利用后验概率压缩词网;(2)利用单词的时间信息限制状态统计量的计算范围.实验测定Lattice-MLLR的误识率比传统MLLR相对下降了3.5%,改进技术使Lattice-MLLR计算量下降幅度超过了87.9%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵庆卫	中国科学院声学研究所	11	86	5.0	9.0
2	颜永红	中国科学院声学研究所	94	586	14.0	20.0
3	潘复平	中国科学院声学研究所	7	49	3.0	7.0