[发明专利]一种基于声学空间非线性流形结构的声学模型构建方法

权利要求书

1.一种基于声学空间非线性流形结构的声学模型构建方法，其特征在于，该构建方法包括以下步骤：

1)采用含有I个高斯混元的高斯混合模型(Gaussian Mixture Model,GMM)作为声学特征空间的统一背景模型(Universal Background Model,UBM)；

2)对UBM中每个高斯混元的协方差矩阵进行特征值分析，确定声学特征空间各局部区域的潜在维数D_i及因子分析模型参数，得到声学特征空间中的混合因子分析模型(Mixture of Factor Analyzers,MFA)，作为其低维非线性流形结构的近似模型；

3)使用与步骤2)中声学特征空间相同的局部区域划分与局部坐标系，将上下文相关状态的观测矢量限定在声学特征空间中的低维非线性流形结构上，估计上下文相关状态的观测概率模型，即构成了基于MFA的上下文相关状态模型；

4)对基于MFA的上下文相关状态模型的参数进行迭代估计，最终所得到模型即为所要构建的声学模型。

2.根据权利要求1所述的基于声学空间非线性流形结构的声学模型构建方法，其特征在于，所述步骤1)中背景模型UBM的生成过程如下：

A.利用训练数据对隐马尔可夫模型-高斯混合模型声学模型进行训练得到基线系统；

B.对基线系统中所有状态的高斯混元进行两两合并，计算合并前后的似然得分的损失值；

C.将损失值最小的两个高斯混元合并为一个新的高斯混元，直至得到新的高斯混元数达到设定值。

3.根据权利要求1所述的基于声学空间非线性流形结构的声学模型构建方法，其特征在于，所述步骤2)中的混合因子分析模型是将声学特征空间的非线性流形划分为I个局部区域，计算观测数据落入其中每个区域的概率，并对每个局部区域分别用一个因子分析模型近似得到。

4.根据权利要求2所述的基于声学空间非线性流形结构的声学模型构建方法，其特征在于，所述步骤2)中第i个局部区域的潜在维数D_i的确定过程如下：

A)将UBM中的各协方差矩阵中的特征值按照从大到小排序为λ_i1,λ_i2,…,λ_iD，其中D为特征矢量维数；

B)计算各个特征值的累积贡献率其中η_id为第i个局部区域第d个特征值的累积贡献率；

C)选择特征值累积贡献率超过某个设定门限的最小特征值序号作为第i个局部区域的潜在维数D_i。

5.根据权利要求4所述的基于声学空间非线性流形结构的声学模型构建方法，其特征在于，所述步骤3)中上下文相关的每个状态由一个服从稀疏约束的权重矢量和若干个服从标准正态分布的低维局部因子矢量所决定。

6.根据权利要求5所述的基于声学空间非线性流形结构的声学模型构建方法，其特征在于，所述步骤4)中第j个上下文状态的观测概率模型为：

其中，表示均值矢量为μ、协方差矩阵为Σ的多元正态分布，o_t表示t时刻的观测特征矢量，μ_i、M_i和Σ_i分别表示第i个局部区域的中心矢量、局部坐标系矩阵和数据分布的协方差矩阵，y_ji是状态j在第i个局部区域内的均值对应的局部区域坐标矢量，w_ji表示状态j的观测数据落入第i个局部区域的概率。

7.根据权利要求4所述的基于声学空间非线性流形结构的声学模型构建方法，其特征在于，所述步骤5)中是采用期望最大化算法EM进行重估，包括计算统计量、重估权重参数、重估计局部坐标矢量和重估状态无关参数四个过程。