MLLR和MAP在远场噪声混响下的语音识别研究

• 作 者: 娄英丹 徐静林 黄丽霞 张雪英
• 机 构: 太原理工大学信息与计算机学院
• 出 处: 计算机工程与应用
• 发表日期: 2020年10期
• 关键词: 最大似然线性回归(MLLR) 最大后验概率(MAP) 环境自适应 远场语音识别 Maximum Likelihood Linear Regression(MLL
• 基金项目: 国家自然科学基金(No.61371193)

自适应技术可以用较少的数据来调整声学模型参数,从而达到较好的语音识别效果,它们大多用于自适应有口音的语音。将最大似然线性回归(Maximum Likelihood Linear Regression,MLLR)、最大后验概率(Maximum A Posteriori,MAP)自适应技术用在远场噪声混响环境下来分析其在此环境下的识别性能。实验结果表明,仿真条件下,在墙壁反射系数为0.6,各种噪声环境下MAP有最好的自适应性能,在信噪比(Signal-to-Noise Ratio,SNR)分别为5 dB、10