2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于双高斯GMM的特征参数规整及其在语音识别中的应用

刘波 戴礼荣 王仁华 杜俊 李锦宇

刘波, 戴礼荣, 王仁华, 杜俊, 李锦宇. 基于双高斯GMM的特征参数规整及其在语音识别中的应用. 自动化学报, 2006, 32(4): 519-525.
引用本文: 刘波, 戴礼荣, 王仁华, 杜俊, 李锦宇. 基于双高斯GMM的特征参数规整及其在语音识别中的应用. 自动化学报, 2006, 32(4): 519-525.
LIU Bo, DAI Li-Rong, WANG Ren-Hua, DU Jun, LI Jin-Yu. Double Gaussian GMM Based Feature Normalization and Its Application in Speech Recognition. ACTA AUTOMATICA SINICA, 2006, 32(4): 519-525.
Citation: LIU Bo, DAI Li-Rong, WANG Ren-Hua, DU Jun, LI Jin-Yu. Double Gaussian GMM Based Feature Normalization and Its Application in Speech Recognition. ACTA AUTOMATICA SINICA, 2006, 32(4): 519-525.

基于双高斯GMM的特征参数规整及其在语音识别中的应用

详细信息
    通讯作者:

    戴礼荣

Double Gaussian GMM Based Feature Normalization and Its Application in Speech Recognition

More Information
    Corresponding author: DAI Li-Rong
  • 摘要: 对特征参数概率分布的实验分析表明,在有噪声影响的情况下,特征参数通常呈现双峰分布.据此,本文提出了一种新的,基于双高斯的高斯混合模型(Gaussian mixture model,GMM)的特征参数归一化方法,以提高语音识别系统的鲁棒性.该方法采用更为细致的双高斯模型来表达特征参数的累积分布函数(CDF),并依据估计得到的CDF进行参数变换将训练和识别时的特征参数的分布都规整为标准高斯分布,从而提高识别正确率.在Aurora 2和Aurora 3数据库上的实验结果表明,本文提出的方法的性能明显好于传统的倒谱均值规整(Cepstral mean normalization,CMN)和倒谱均值方差规整(Cepstral mean and variance normalization,CMVN)方法,而与非参数化方法-直方图均衡特征规整方法的性能基本相当.
  • 加载中
计量
  • 文章访问数:  3523
  • HTML全文浏览量:  73
  • PDF下载量:  1949
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-02-26
  • 修回日期:  2006-01-26
  • 刊出日期:  2006-07-20

目录

    /

    返回文章
    返回