屈丹，张文林

（信息工程大学 信息系统工程学院，河南 郑州 450000）

1 引言

连续语音识别系统中训练数据与测试数据的不匹配会造成系统性能的急剧下降。声学模型自适应技术就是根据少量的测试数据对声学模型进行调整，增加其与测试数据的匹配程度，从而提高系统的识别性能。造成训练与测试数据不匹配的因素包括说话人、传输信道或说话噪声环境等，相应的自适应技术分别称为“说话人自适应[1]”、“信道自适应[2]”或“环境自适应[3]”。说话人自适应技术的方法也可以应用于信道自适应或环境自适应。说话人自适应通常包括特征层自适应[4,5]和声学模型自适应，因此，声学模型的说话人自适应[1]是当前语音识别系统一个必不可少的重要组成部分。

声学模型的说话人自适应就是利用少量的未知说话人语料(自适应语料)，在最大似然或最大后验准则下，将说话人无关(SI, speaker independent)声学模型调整至说话人相关(SD, speaker- dependent)声学模型，使语音识别系统更具说话人针对性，从而提高系统的识别率。在隐马尔可夫模型的连续语音识别系统框架下，主流的说话人自适应技术可分为3大类[1]：基于最大后验概率、基于变换和基于说话人子空间的自适应方法，分别以最大后验（MAP, maximum a posteriori）自适应、最大似然线性回归（MLLR, maximum likelihood linear regression）及本征音(EV, eigenvoice)方法及其相应的拓展算法为代表。2004年，Kenny等[6]通过对SD声学模型中各高斯混元均值矢量相对于 SI声学模型的变化量进行子空间分析，得到一种新的子空间分析方法。该……