最大后验估计和加权近邻回归结合的说话人自适应方法

摘要：

提出了一种最大后验(maximum a posteriori, MAP)估计和加权近邻回归(weighted neighbors regression, WNR)相结合的说话人自适应方法。在MAP自适应中，只有自适应数据对应的模型参数可以得到调整。针对这一缺点，提出一种基于变换的模型插值/平滑方法-WNR，利用模型近邻信息和MAP自适应结果，建立距离加权的回归模型，对没有自适应数据的模型完成模型调整。实验证明，该方法可以有效地提高MAP自适应的速度。在自适应数据为10句时，音节误识率降低近15%； 而在自适应数据为250句时，误识率降低50%以上。此外，证明了向量域平滑(vector field smoothing, VFS)是WNR方法的一种退化的特例。

关键词：说话人自适应、最大后验、向量域平滑

所属期刊栏目：41

分类号：TP391.42(计算技术、计算机技术)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：60-63