非均匀高斯绑定技术的研究

摘要：

在语音识别的HMM模型中对高斯分量进行共享(高斯绑定)是模型压缩中的重要技术，现有基于均匀分配的高斯绑定技术，不能有效地利用高斯，容易造成冗余。本文提出了基于非均匀分配的高斯绑定技术，给出了分别在最大似然准则、最小KLD准则和最大BIC准则下高斯成份数目的非均匀分配方法，在WSJ0数据库上进行实验，结果表明，该技术能够在模型总高斯数相同的条件下，与现有的基于均匀分配的高斯绑定技术相比，可以进一步提升系统的性能，在最好的情况下，词错误率相对下降7.84％。

关键词： 语音识别 高斯绑定 模型压缩 连续密度隐马尔可夫模型

作者: 雷雄国 鄢志杰 王智国 吴及

作者单位: 科大讯飞研究院，合肥，230088 中国科学技术大学，电子工程与信息科学系，讯飞语音实验室，合肥，230027 清华大学，电子工程系，北京，100084

会议类型: 国内会议

会议名称: 第九届全国人机语言通讯学术会议

会议地点: 安徽黄山

会议语种:中文

在线出版日期: 2007-10-21（万方平台首次上网日期，不代表论文的发表时间）