资 源 简 介
语音识别中的说话人自适应研究.nh
1.MAP和MLLR算法比较
文章在讨论由说话人引起的声学差异基础上，研究两种基于模型
的自适应算法:最大似然线性回归(州压LR)和最大后验概率(MAp)。
实验结果表明，不论采用哪种自适应都能使识别率有一定的提升。两
种算法之间的差异性在于MAP具有良好的渐进性，但收敛性较差，
而MLLR在很大程度上改善了收敛特性，但其渐进特性却不如MAP。
文章讨论了在侧汰P自适应中，初始模型参数的先验知识对自适
应效果的影响，以及在MLLR中，回归类对自适应效果的影响。文
章还进一步研究了采用两种算法的累加自适应效果，从结果看MAP
和MLLR结合的方法比单独使用M[AP和MLLR的效果要好。文章
还对包括基于特征层的归一化算法和用于基于声学模型的MLLR算
法等效性进行讨论，并给出了统一的算法框架。
