張文林 牛 銅 張連海 李弼程

(解放軍信息工程大學(xué)信息工程學(xué)院 鄭州 450002)

1 引言

在語(yǔ)音識(shí)別中，說(shuō)話(huà)人相關(guān)(Speaker Dependent,SD)模型的識(shí)別性能比說(shuō)話(huà)人無(wú)關(guān)(Speaker Independent,SI)模型要好得多[1]。然而實(shí)際中，由于難以獲得充足的訓(xùn)練數(shù)據(jù)，直接訓(xùn)練SD模型往往是不現(xiàn)實(shí)的。對(duì)于一個(gè)實(shí)用的連續(xù)語(yǔ)音識(shí)別系統(tǒng)，需要利用少量的說(shuō)話(huà)人相關(guān)數(shù)據(jù)對(duì)SI模型進(jìn)行自適應(yīng)得到SD模型，從而提高系統(tǒng)的識(shí)別性能。

說(shuō)話(huà)人自適應(yīng)方法通?？梢苑譃槿箢?lèi)[2]：基于最大后驗(yàn)概率(Maximum A Posteriori,MAP)的方法、基于線(xiàn)性變換的方法和基于說(shuō)話(huà)人聚類(lèi)的方法。在基于MAP的方法中，假設(shè)SD模型參數(shù)服從某種先驗(yàn)分布，利用給定的自適應(yīng)數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行最大后驗(yàn)估計(jì)，從而得到最大后驗(yàn)意義下的SD模型；這種方法具有良好的漸近性能，當(dāng)訓(xùn)練數(shù)據(jù)越來(lái)越多時(shí)，可以得到較精確的SD模型?；诰€(xiàn)性變換的方法，典型的代表是最大似然線(xiàn)性回歸(Maximum Likelihood Linear Regression,MLLR)[3]，其基本原理是在最大似然準(zhǔn)則下，估計(jì)一組線(xiàn)性變換對(duì) SI模型參數(shù)進(jìn)行變換得到 SD模型；相比MAP自適應(yīng)方法，這種方法需要的自適應(yīng)數(shù)據(jù)量較少，但漸近性能較差。而基于說(shuō)話(huà)人聚類(lèi)的方法則利用說(shuō)話(huà)人之間相關(guān)性，通過(guò)訓(xùn)練集中SD模型參數(shù)的某種線(xiàn)性組合來(lái)逼近新的 SD模型參數(shù)。相比于前兩類(lèi)方法，這類(lèi)方法需要估計(jì)的參數(shù)數(shù)量最少，適合于極少量自適應(yīng)數(shù)據(jù)下的快速說(shuō)話(huà)人自適應(yīng)，其典型代表是基于本征音(Eigen Voice,EV)[4]的自適應(yīng)方法和基于參考說(shuō)話(huà)人加權(quán)(Reference Speaker Weighting,RSW)[5,6]的自適應(yīng)方法。在本征音自適應(yīng)方法中，通過(guò)對(duì)訓(xùn)練集中的SD 模型參數(shù)進(jìn)行主分量分析(Principal Component Analysis,PCA)，找到SD模型參數(shù)的一組基；在自適應(yīng)階段，將新的SD模型參數(shù)限制在這組基所張成的子空間中，通過(guò)估計(jì)SD模型的坐標(biāo)，從而達(dá)到快速說(shuō)話(huà)人自適應(yīng)的目的。而在RSW 方法中，用若干參考說(shuō)話(huà)人模型參數(shù)的線(xiàn)性組合來(lái)逼近當(dāng)前說(shuō)話(huà)人相關(guān)模型。在文獻(xiàn)[6]提出的可變參考說(shuō)話(huà)人加權(quán)(Variable Reference Speaker Weighting,VRSW)算法中，在自適應(yīng)階段，根據(jù)“說(shuō)話(huà)人系數(shù)”的大小動(dòng)態(tài)選取與當(dāng)前說(shuō)話(huà)人最相似的若干個(gè)SD模型參數(shù)，進(jìn)而重新計(jì)算其線(xiàn)性組合來(lái)逼近當(dāng)前說(shuō)話(huà)人相關(guān)模型。

近年來(lái)，盡管出現(xiàn)了各種基于2D-PCA[7]及基于張量分解[8]的說(shuō)話(huà)人自適應(yīng)方法，它們分別利用了SD模型參數(shù)的某種矩陣分解或張量分解的形式，需要估計(jì)的參數(shù)數(shù)量大于MLLR 方法，在自適應(yīng)數(shù)據(jù)足分時(shí)，可以達(dá)到比MLLR方法更好的自適應(yīng)效果，然而在少量自適應(yīng)數(shù)據(jù)條件下，易于出現(xiàn)過(guò)訓(xùn)練的問(wèn)題，性能反而不如經(jīng)典的本征音方法。

本文針對(duì)基于隱馬爾可夫模型的聲學(xué)模型，研究其在極少量自適應(yīng)數(shù)據(jù)下的快速說(shuō)話(huà)人自適應(yīng)方法。與經(jīng)典本征音自適應(yīng)方法的基本思想相同，新方法也是基于說(shuō)話(huà)人子空間的，需要在訓(xùn)練階段利用 PCA得到說(shuō)話(huà)人空間的基矢量；與傳統(tǒng)方法不同的是，新方法中說(shuō)話(huà)人子空間不是在自適應(yīng)前預(yù)先確定的，而是在自適應(yīng)過(guò)程中動(dòng)態(tài)選擇的；在選擇說(shuō)話(huà)人子空間的方法上，與可變參考說(shuō)話(huà)人加權(quán)算法[6]不同的是，子空間基矢量是直接通過(guò)最大似然準(zhǔn)則選擇的，而不是通過(guò)“加權(quán)系數(shù)”的大小進(jìn)行選擇，從而得到一種基于最大似然可變子空間的說(shuō)話(huà)人自適應(yīng)方法。根據(jù)子空間的維數(shù)是否固定，本文分別提出了固定維數(shù)最大似然子空間方法和可變維數(shù)最大似然子空間方法及其快速實(shí)現(xiàn)流程。在基于微軟語(yǔ)料庫(kù)[7]的連續(xù)語(yǔ)音識(shí)別實(shí)驗(yàn)中，在有監(jiān)督和無(wú)監(jiān)督的條件下，新方法均優(yōu)于經(jīng)典的基于本征音的方法和MLLR方法。

本文如下的章節(jié)安排如下：第2節(jié)簡(jiǎn)要給出了基于本征音的說(shuō)話(huà)人自適應(yīng)，并引入相關(guān)數(shù)學(xué)符號(hào)；第 3節(jié)給出了說(shuō)話(huà)人子空間最大似然基的選取算法，及在此基礎(chǔ)之上的固定維數(shù)與可變維數(shù)子空間說(shuō)話(huà)人自適應(yīng)方法；第4節(jié)給出了實(shí)驗(yàn)結(jié)果及分析；最后一節(jié)給出了本文的結(jié)論。

2 基于本征音的說(shuō)話(huà)人自適應(yīng)

設(shè)訓(xùn)練集中共S個(gè)說(shuō)話(huà)人，聲學(xué)特征矢量為D維，聲學(xué)模型中共有M個(gè)高斯分量。令SI模型中第m個(gè)高斯分量的均值矢量和協(xié)方差矩陣分別為μm和∑m，對(duì)第s個(gè)說(shuō)話(huà)人，其SD模型中第m個(gè)高斯分量的均值矢量為μm(s)。本文僅討論聲學(xué)模型中高斯分量均值矢量的自適應(yīng)。

2.1 說(shuō)話(huà)人子空間與本征音

在基于本征音的說(shuō)話(huà)人自適應(yīng)中，定義第s個(gè)說(shuō)話(huà)人的超矢量為

其中每一個(gè)說(shuō)話(huà)人超矢量的維數(shù)為M×D維，則所有訓(xùn)練說(shuō)話(huà)人超矢量Υ={y(s),s=1,2,…,S}構(gòu)成了一個(gè)說(shuō)話(huà)人子空間，其維數(shù)最大為S。對(duì)Υ進(jìn)行主分量分析，最多可以得到S個(gè)基矢量，按其對(duì)應(yīng)的特征值從大到小可以表示為e(1),e(2),…,e(S)，其中e(k)即稱(chēng)為第k個(gè)“本征音(eigenvoice)”。

在經(jīng)典的本征音說(shuō)話(huà)人自適應(yīng)中，假設(shè)所有的說(shuō)話(huà)人超矢量落入一個(gè)K維的子空間中(0＜K＜S)，則對(duì)于一個(gè)未知說(shuō)話(huà)人相關(guān)模型，其說(shuō)話(huà)人超矢量可以表示為

其中為訓(xùn)練說(shuō)話(huà)人超矢量的均值矢量，xk為對(duì)應(yīng)第k個(gè)本征音的系數(shù)。

估計(jì)未知說(shuō)話(huà)人超矢量y在K維說(shuō)話(huà)人子空間中的坐標(biāo)即可進(jìn)行說(shuō)話(huà)人自適應(yīng)，通常稱(chēng)x為“說(shuō)話(huà)人因子(speaker factor)”。

2.2 基于說(shuō)話(huà)人子空間的自適應(yīng)方法

設(shè)自適應(yīng)數(shù)據(jù)的特征矢量序列為O={o1,o2,…,oT}，其中T為語(yǔ)音幀數(shù)。采用最大似然準(zhǔn)則和期望最大(Expectation Maximization,EM)算法，說(shuō)話(huà)人自適應(yīng)過(guò)程等價(jià)于求解如下最優(yōu)化問(wèn)題[3]：

其中γm(t)表示第t幀特征矢量屬于SI模型中第m個(gè)高斯分量的后驗(yàn)概率，給定自適應(yīng)數(shù)據(jù)的標(biāo)注，它可以通過(guò)經(jīng)典的 Baum-Welch前后向算法[9]計(jì)算得到。

設(shè)第k個(gè)本征音e(k)中對(duì)應(yīng)第m個(gè)高斯分量的子矢量為em(k)，高斯超矢量均值對(duì)應(yīng)第m個(gè)高斯分量的部分為em(K)]，則。代入式(3)中的目標(biāo)函數(shù)，并對(duì)x求導(dǎo)，令其導(dǎo)數(shù)等于 0，可以得到說(shuō)話(huà)人超矢量的最大似然估計(jì)為

式(4)即為最大似然本征分解(Maximum Likelihood Eigen Decomposition,MLED)[3]求解說(shuō)話(huà)人因子的表達(dá)式。

3 基于最大似然可變子空間的說(shuō)話(huà)人自適應(yīng)

圖1 2維說(shuō)話(huà)人子空間示例

為了簡(jiǎn)單起見(jiàn)，圖1中僅給出前2維本征音e(1)和e(2)所張成的2維子空間；虛線(xiàn)所示橢圓表示訓(xùn)練說(shuō)話(huà)人在這2維子空間中的分布，由于第1個(gè)本征音e1所對(duì)應(yīng)的特征值較大，訓(xùn)練說(shuō)話(huà)人在其上分布的方差也越大，對(duì)應(yīng)圖1中表現(xiàn)為橢圓長(zhǎng)軸。然而，對(duì)于某一個(gè)說(shuō)話(huà)人s(實(shí)心圓圈所示)，其在第2個(gè)本征音e2上的坐標(biāo)值大于第1個(gè)本征音e1上的坐標(biāo)值，所以若強(qiáng)制選擇1維的子空間，應(yīng)該選擇由e2所確定的1維子空間，而不是e1所確定的子空間。實(shí)際中說(shuō)話(huà)人子空間維數(shù)K的典型值取為10～20，在這種較高維子空間中，說(shuō)話(huà)人分布的稀疏性將會(huì)更為明顯，上述現(xiàn)象也將會(huì)更為突出。因此，簡(jiǎn)單地取前K個(gè)最大特征值對(duì)應(yīng)的本征音所張成的子空間作為所有測(cè)試說(shuō)話(huà)人的子空間是不合理的。本節(jié)將討論如何在最大似然準(zhǔn)則下，針對(duì)每個(gè)說(shuō)話(huà)人選取最優(yōu)的子空間。

3.1 最優(yōu)本征音選擇

最優(yōu)子空間的確定，其本質(zhì)上是最優(yōu)基矢量的選擇，即最優(yōu)本征音的選擇。在RSW算法中，最佳參考說(shuō)話(huà)人的選擇也可以視為說(shuō)話(huà)人子空間中一組非正交基的選擇；在文獻(xiàn)[6]提出的 VRSW 算法中，通過(guò)參考說(shuō)話(huà)人模型的加權(quán)系數(shù)來(lái)進(jìn)行選擇，然而加權(quán)系數(shù)與EM算法的目標(biāo)函數(shù)是不完全一致的，因此從最大似然的角度來(lái)看，選擇得到的這組參考說(shuō)話(huà)人模型并非“最大似然基”。因此，本文的算法思路是，針對(duì)每一個(gè)本征音，假設(shè)說(shuō)話(huà)人超矢量落入其張成的1維子空間中，計(jì)算對(duì)應(yīng)的最大似然說(shuō)話(huà)人因子及其對(duì)數(shù)似然值(即 EM 算法的目標(biāo)函數(shù)值)；選擇似然度最大的K個(gè)本征音作為最優(yōu)子空間的基矢量，這樣所得到的基矢量可以認(rèn)為是“最大似然基矢量”，所得到說(shuō)話(huà)人子空間可認(rèn)為是“最大似然子空間”。

在說(shuō)話(huà)人子空間的基矢量?jī)H由ek組成的情況下，由式(4)，最大似然說(shuō)話(huà)人因子的計(jì)算可簡(jiǎn)化為

式(5)即為忽略各本征音之間相關(guān)性的說(shuō)話(huà)人因子估計(jì)公式。由此得到對(duì)應(yīng)說(shuō)話(huà)人相關(guān)模型均值矢量為，將式(5)結(jié)果代入式(3)中的目標(biāo)函數(shù)，整理可得其對(duì)數(shù)似然值為

其中C為與本征音e(k)無(wú)關(guān)的常數(shù)項(xiàng)。

因此，對(duì)每個(gè)可能的本征音e(k)(k=1,2,…,S)，計(jì)算式(6)，并對(duì)其從大到小排序，對(duì)應(yīng)的前K個(gè)本征音即為最大似然意義下的最佳K維說(shuō)話(huà)人子空間的基，設(shè)其為{(k),k=1,2,…,K}，根據(jù)式(4)重新進(jìn)行最大似然本征分解，即可得到該最佳K子空間下說(shuō)話(huà)人因子。

3.2 基于固定維數(shù)最大似然子空間的快速說(shuō)話(huà)人自適應(yīng)算法實(shí)現(xiàn)流程

上述基于最大似然子空間的說(shuō)話(huà)人自適應(yīng)算法可以高效地實(shí)現(xiàn)，具體算法流程如下：

(1)預(yù)先選定說(shuō)話(huà)人子空間維數(shù)K(1≤K≤S)；

(2)計(jì)算M×S2個(gè)加權(quán)內(nèi)積，其中1 ≤m≤M,1 ≤k1≤S,1≤k2≤S；

(3)在給定自適應(yīng)數(shù)據(jù)及其標(biāo)注情況下，進(jìn)行狀態(tài)強(qiáng)制對(duì)齊及Baum-Welch前后向算法，累積其零階和一階充分統(tǒng)計(jì)量，即和

(4)利用(1)中預(yù)先計(jì)算好的加權(quán)內(nèi)積值，計(jì)算

其中 1 ≤k1≤S,1 ≤k2≤S,1≤k≤S；

(5)計(jì)算Lk=b(k)2/A(k,k)(即式(6))，1≤k≤S；對(duì)其從大到小進(jìn)行排序，選擇前K個(gè)最大的kL，設(shè)其所對(duì)應(yīng)的序號(hào)分別為l1,l2,…,lK；

(6)由(3)中計(jì)算結(jié)果，構(gòu)造矩陣

3.3 基于可變維數(shù)最大似然子空間的快速說(shuō)話(huà)人自適應(yīng)算法

在3.2節(jié)中，最大似然子空間維數(shù)K的選擇是一個(gè)難點(diǎn)，需要通過(guò)多次試驗(yàn)來(lái)確定。本節(jié)給出一種基于可變維數(shù)最大似然子空間的快速說(shuō)話(huà)人自適應(yīng)算法。其基本思想是，通過(guò)最大似然本征音的對(duì)數(shù)似然值計(jì)算一個(gè)門(mén)限，對(duì)于其它本征音，只有當(dāng)其似然值大于該門(mén)限時(shí)才被保留。此時(shí)，3.2節(jié)中算法流程的(1)，(4)，(5)步分別替換為：

(1)選定門(mén)限值α(0＜α＜1)；

4 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性，我們針對(duì)一個(gè)典型的連續(xù)語(yǔ)音識(shí)別系統(tǒng)進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)語(yǔ)料采用微軟語(yǔ)料庫(kù)[10]，其中訓(xùn)練語(yǔ)料包含100個(gè)男性說(shuō)話(huà)人，每個(gè)人200句話(huà)，共約33 h的語(yǔ)音數(shù)據(jù)；測(cè)試語(yǔ)料包含另外20個(gè)男性說(shuō)話(huà)人，每人20句話(huà)，每句話(huà)大約5 s的話(huà)音。實(shí)驗(yàn)中，特征參數(shù)采用13維美爾頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients,MFCC)及其一階差分和二階差分，總的特征矢量維數(shù)為39維?；€(xiàn)系統(tǒng)中的SI模型利用開(kāi)源隱馬爾可夫模型工具包(Hidden Markov Toolkit,HTK)[9]訓(xùn)練得到，采用上下文相關(guān)的三音子有調(diào)音節(jié)作為聲學(xué)建模單元，采用自左向右?guī)ё原h(huán)無(wú)跳轉(zhuǎn)三狀態(tài)的HMM模型，每個(gè)狀態(tài)8個(gè)高斯混元，利用HTK進(jìn)行三音子聚類(lèi)后共19136個(gè)高斯混元。訓(xùn)練階段利用基于回歸樹(shù)(32個(gè)回歸類(lèi))的MLLR自適應(yīng)方法得到100個(gè)訓(xùn)練說(shuō)話(huà)人相關(guān)模型，進(jìn)而利用PCA得到100個(gè)本征音矢量。測(cè)試階段解碼器采用HTK自帶的一遍解碼器HVite，不采用語(yǔ)法模型，解碼參數(shù)配置與文獻(xiàn)[10]中相同。在說(shuō)話(huà)人自適應(yīng)實(shí)驗(yàn)中，分別從每個(gè)測(cè)試說(shuō)話(huà)人語(yǔ)音中隨機(jī)抽取1句話(huà)(小于5 s)語(yǔ)音作為自適應(yīng)數(shù)據(jù)，剩下的19句話(huà)作為測(cè)試數(shù)據(jù)，利用HTK中的HResult工具在所有測(cè)試語(yǔ)音上統(tǒng)計(jì)有調(diào)音節(jié)的平均識(shí)別率作為實(shí)驗(yàn)結(jié)果。

為了比較算法的有效性，我們分別實(shí)現(xiàn)了基于MLLR的自適應(yīng)和經(jīng)典的基于本征音的自適應(yīng)方法。對(duì)于本征音(EV)方法和固定維數(shù)最大似然可變子空間(MLEV)方法，分別在說(shuō)話(huà)人子空間維數(shù)K取為10,20和30的情況下進(jìn)行了實(shí)驗(yàn)。對(duì)于可變維數(shù)最大似然子空間(VMLEV)方法，對(duì)門(mén)限α取為0.1,0.08和0.06的情況分別進(jìn)行了測(cè)試，并對(duì)測(cè)試說(shuō)話(huà)人的平均最大似然子空間維數(shù)(用表示)進(jìn)行了統(tǒng)計(jì)。各種自適應(yīng)方法均在有監(jiān)督(給定自適應(yīng)數(shù)據(jù)標(biāo)注)和無(wú)監(jiān)督條件下(不給定自適應(yīng)數(shù)據(jù)標(biāo)注)分別進(jìn)行了實(shí)驗(yàn)。自適應(yīng)實(shí)驗(yàn)結(jié)果匯總?cè)绫?所示，其中基線(xiàn)系統(tǒng)(SI模型)的有調(diào)音節(jié)平均識(shí)別率為52.71%(文獻(xiàn)[10]中報(bào)道結(jié)果為51.21%)。

由表1的實(shí)驗(yàn)結(jié)果可以看出，對(duì)于MLLR算法，由于自適應(yīng)數(shù)據(jù)量過(guò)少(每個(gè)測(cè)試說(shuō)話(huà)人平均少于5 s)，無(wú)法進(jìn)行有效的自適應(yīng)，有調(diào)音節(jié)平均識(shí)別率相比SI模型幾乎沒(méi)有任何提高。

對(duì)于經(jīng)典的本征音自適應(yīng)算法，系統(tǒng)平均識(shí)別率可以得到較大的提高，隨著說(shuō)話(huà)人子空間維數(shù)的增加，所需要估計(jì)的參數(shù)個(gè)數(shù)也相應(yīng)地增加，識(shí)別率先增后降。

對(duì)于本文提出的固定維數(shù)最大似然子空間的方法，相比經(jīng)典的本征音自適應(yīng)算法，在相同的子空間維數(shù)下，識(shí)別率有了更進(jìn)一步的提高。而對(duì)于可變維數(shù)最大似然子空間方法，可以在自適應(yīng)階段自動(dòng)確定最大似然子空間的維數(shù)，具有更好的穩(wěn)健性；當(dāng)α=0 .08時(shí)，無(wú)論是在有監(jiān)督還是無(wú)監(jiān)督條件下，相比其它幾種方法，均具有最佳的自適應(yīng)效果。

實(shí)驗(yàn)中，我們還統(tǒng)計(jì)了在相同的子空間維數(shù)下，最大似然子空間方法與經(jīng)典的本征音方法所選擇的本征音基矢量的相同個(gè)數(shù)，平均統(tǒng)計(jì)結(jié)果如表2所示(括號(hào)外為有監(jiān)督自適應(yīng)實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果，括號(hào)內(nèi)為無(wú)監(jiān)督自適應(yīng)實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果)：

表1 一句話(huà)(5 s)自適應(yīng)實(shí)驗(yàn)結(jié)果(有調(diào)音節(jié)平均識(shí)別率)

表2 VMLEV與傳統(tǒng)本征音方法的相同本征音個(gè)數(shù)的平均值

由表2可以看出，在經(jīng)典的本征音自適應(yīng)方法中根據(jù)最大特征值所確定的K維子空間，對(duì)于每一個(gè)測(cè)試說(shuō)話(huà)人而言并非是最佳的，需要提高子空間維數(shù)才能夠盡量覆蓋到最佳的子空間；但提高子空間維數(shù)就會(huì)增加所要估計(jì)的參數(shù)個(gè)數(shù)，在自適應(yīng)數(shù)據(jù)量極少的情況下，這會(huì)增加過(guò)訓(xùn)練的風(fēng)險(xiǎn)。本文提出的最大似然可變子空間方法可以選擇出最佳的K維子空間，通過(guò)自動(dòng)確定子空間維數(shù)K，在盡量少的待估參數(shù)個(gè)數(shù)下得到盡可能好的自適應(yīng)效果，有效地避免了過(guò)訓(xùn)練的問(wèn)題。

5 結(jié)論

本文提出了一種基于最大似然可變子空間的說(shuō)話(huà)人自適應(yīng)算法。與經(jīng)典基于說(shuō)話(huà)人子空間的本征音自適應(yīng)方法不同，新方法中說(shuō)話(huà)人子空間的基矢量是在自適應(yīng)階段、通過(guò)最大似然準(zhǔn)則動(dòng)態(tài)選取的，從而可以得到盡量低維的(最大似然意義下的)最佳說(shuō)話(huà)人子空間，進(jìn)而可以在極少量的自適應(yīng)數(shù)據(jù)條件下得到盡量好的自適應(yīng)效果。實(shí)驗(yàn)結(jié)果表明，本文方法的自適應(yīng)效果相比經(jīng)典 MLLR方法和本征音方法均有明顯的提高。

[1]Lee C H,Lin C H,and Juang B H.A study on speaker adaptation of the parameters of continuous density hidden Markov models[J].IEEE Transactions on Signal Processing,1991,39(4)：806-814.

[2]李虎生,劉加,劉潤(rùn)生.語(yǔ)音識(shí)別說(shuō)話(huà)人自適應(yīng)研究現(xiàn)狀及其發(fā)展趨勢(shì)[J].電子學(xué)報(bào),2003,31(1)：103-108.Li Hu-sheng,Liu Jia,and Liu Run-sheng.Technology of speake adaptation in speech recognition and its development trend[J].Acta Electronica Sinica,2003,31(1)：103-108.

[3]Ghoshal A,Povey D,Agarwal M,et al..A novel estimation of feature-space MLLR for full-covariance models[C].International Conference on Acoustics,Speech and Signal Processing,Dallas,Texas,USA,2010：4310-4313.

[4]Kuhn R,Junqua J C,Nguyen P,et al..Rapid speaker adaptation in eigenvoice space[J].IEEE Transactions on Speech and Audio Processing,2000,8(6)：695-707.

[5]Teng W X,Gravier G,Bimbot F,et al..Rapid speaker adaptation by reference model interpolation[C].Interspeech,Antwerp,Belgium,2007：258-261.

[6]Teng W X,Gravier G,Bimbot F,et al..Speaker adaptation by variable reference model subspace and application to large vocabulary speech recognition[C].International Conference on Acoustics,Speech and Signal Processing,Taipei,China,2009：4381-4384.

[7]Jeong Y and Sim H S.New speaker adaptation method using 2-D PCA[J].IEEE Signal Processing Letters,2010,17(2)：193-196.

[8]Jeong Y.Speaker adaptation based on the multilinear decomposition of training speaker models[C].International Conference on Acoustics,Speech and Signal Processing,Dallas,Texas,USA,2010：4870-4873.

[9]Young S,Evermann G,Gales M,et al..The HTK Book.HTK Version 3.4,2009.

[10]Chang E,Shi Y,Zhou J,et al..Speech lab in a box：a Mandarin speech toolbox to jumpstart speech related research[C].EUROSPEECH-2001,Aalborg,Denmark,2001：2799-2802.