基于统合高维对角协方差的CHMM语音识别

提出了一种基于统合高维对角协方差的CHMM语音识别方法,该方法在语音观察矢量中设定一阈值,将高维特征分量的对角协方差舍去不用,而用一固定值代替,能有效地消除高维特征分量贡献比率较小引起的误差;另外根据该方法的高斯分布函数表达形式,引入一种计算方法,降低其计算复杂度.通过对非特定人汉语数码串语音识别的实验数据表明,基于统合高维对角协方差矩阵系统与基线系统相比,识别率从基线系统的90.75%提高到94.17%,计算时间从基线系统的100%降低到87.7%.

VD-CMA算法反演瑞利波频散曲线的适用性研究

在瑞利波频散曲线反演中,各种优化算法的应用提高了反演结果的精度和效率。向量对角协方差矩阵自适应算法(VD-CMA)自提出以来,以其高维优化能力在各领域得到了广泛应用。为探索VD-CMA算法在反演瑞利波频散曲线问题上的适用性,基于速度递增型、低速软夹层型和高速硬夹层型3种常见地质模型,利用Dunkin矩阵方法计算基阶频散曲线,选取目前应用最广泛的粒子群优化算法(PSO)、差分进化算法(DE)及协方差矩阵自适应算法(CMA-ES)与VD-CMA算法同条件反演场地速度结构,从4种方法的反演精度、收敛速度等方面进行对比分析。分析表明:VD-CMA算法能很好地从各种地质模型反演中得到精确的速度结构,迭代收敛速度快,在解决反演瑞利波频散曲线问题上表现优异。

基于正交高斯混合模型的说话人识别研究

本文介绍了正交高斯混合模型 (OGMM)及其在说话人识别中的具体应用。传统的高斯混合模型 (GMM)常常假定协方差矩阵为对角线矩阵 ,但需大量的混合成员来表征分布情况 ,这将会导致训练量的增加。OGMM的主要思想是在传统的GMM之前先将特征矢量变换到由协方差矩阵的本征向量决定的空间中去 ,这样得到的对角线协方差矩阵可以更准确地反映分布的情况。