在提取語(yǔ)種聲學(xué)特征參數(shù)時(shí)，如何消除和抑制說(shuō)話人影響是一個(gè)值得考慮的 問(wèn)題。首先說(shuō)話人會(huì)有生理，年齡，性別等不同，這就會(huì)對(duì)聲學(xué)特征產(chǎn)生影響， 造成說(shuō)話人發(fā)音的不同的一個(gè)主要原因是聲道形狀，尤其是受聲道長(zhǎng)度的影響最為突出。

一般，通過(guò)在頻率域上的線性變換來(lái)實(shí)現(xiàn) VTLN，它是基于聲道傳輸模型的假設(shè)分析，可認(rèn)為聲道是一截面均勻的聲管：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

VTL 代表聲道長(zhǎng)度，c 代表聲速，Fi是第 i 階的共振峰。

由上式可知，聲道長(zhǎng)度與共振峰成反比，因此可以直接頻域線性變換：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

這一變換與實(shí)際采用的變換函數(shù)有差別，主要是由于這一變換會(huì)造成帶寬的擴(kuò)展或壓縮。更普遍的是采圖用下世的變換。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

按照上述公式我們即可完成 VTLN，但是我們還需要找尋規(guī)整因子α,接下來(lái)， 我們就如何估計(jì)規(guī)整因子做一些闡述。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

A. 訓(xùn)練流程?

如下圖所示，首先我們需要得到一個(gè)聲道無(wú)關(guān)的背景（UBM）模型。

提取語(yǔ)音特征參數(shù)（不同的 α 的特征），首先用 α=1.0 訓(xùn)練一個(gè)與聲道 無(wú)關(guān)的 UBM 模型。

用這個(gè) UBM 模型，對(duì)不同 α 所提取的特征進(jìn)行測(cè)試，根據(jù) ML 最大似 然，得到每個(gè)語(yǔ)音所對(duì)應(yīng)的最優(yōu) α 值。

用 2 中所找到的每個(gè)語(yǔ)音的最優(yōu) α 值所對(duì)應(yīng)的特征，重新訓(xùn)練 UBM。

重復(fù) 2，這樣又可以得到每個(gè)語(yǔ)音的最優(yōu) α 值。

比較這一次的 α 值與上一次的 α 值是否相同，或者差異不大。如果滿足 條件，停止迭代，否則，重復(fù)（3）和（4）過(guò)程.

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

B. 解碼過(guò)程?

解碼的過(guò)程十分簡(jiǎn)單，只需要將各個(gè)規(guī)整因子對(duì)應(yīng)的特征對(duì)最終訓(xùn)練好的 UBM 計(jì)算似然值即可，然后值取得似然最大的特征所對(duì)應(yīng)的規(guī)整因子。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

其實(shí)，在估計(jì)聲道規(guī)整因子還有另一種策略，就是對(duì)于不同的規(guī)整因子分別 訓(xùn)練模型，然后提取 α=1.0 時(shí)的語(yǔ)音特征分別對(duì)這些模型進(jìn)行測(cè)試，再選取最大 的特征所對(duì)應(yīng)的 α。

C. 實(shí)驗(yàn)?

為了驗(yàn)證VTLN的有效性，我們?cè)贜IST 2007數(shù)據(jù)庫(kù)上進(jìn)行了嘗試性的實(shí)驗(yàn)， 通過(guò) NIST 2003 的數(shù)據(jù)我們得到了聲道無(wú)關(guān)的 UBM 模型，利用這一模型對(duì) NIST 2007 的測(cè)試數(shù)據(jù)進(jìn)行聲道規(guī)整（即估計(jì)∧α的值），訓(xùn)練集沒(méi)有進(jìn)行聲道規(guī)整，主 要是考慮到實(shí)驗(yàn)的時(shí)間消耗問(wèn)題，所采用的特征是 56 維的 SDC 特征，對(duì)不同時(shí) 長(zhǎng)的測(cè)試分別作出對(duì)比，通過(guò)等錯(cuò)誤率（EER）的比較（見下表），發(fā)現(xiàn)僅僅在 測(cè)試集上對(duì)特征進(jìn)行聲道規(guī)整就可以獲得 10%左右的提升。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

所以在我們以后的實(shí)驗(yàn)中，VTLN 被作為一項(xiàng)重要的前端處理技術(shù)，并且在 后來(lái)，我們對(duì)于訓(xùn)練集數(shù)據(jù)也做了聲道規(guī)整，根據(jù)的一些已有的實(shí)驗(yàn)結(jié)論，這樣可以進(jìn)一步提高系統(tǒng)的性能。

可以關(guān)注音頻核公眾號(hào)了解更多哦

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

總結(jié)

以上是生活随笔為你收集整理的声道长度规整的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。