基于神经网络分类器和HMM的话者自适应连续语音识别

提出了一种基于话者分类和HMM的话者自适应语音识别方法，采用对参政话者聚类、并按话者类分别建立HMM模板的策略，对于新注册用户，只需利用其极少量的语音，通过话者分类器便可将与其最相近的一类模板指派给他，再采用基于谱空间映射的VQA码本级和HMM参数级的两级自适应技术，使系统自适应到新用户的模式下工作。本方法具有识别性能好、自适应难度降低及利于系统模板建立等优点，是实现非限定人、大字表语音识别的有效方法，实验验证了这种方法的有效性。设计建立了主从式神经网络话者分类器，提出了两种话者聚类算法，提出了适于训练语音数据不是时的基于FVQ和HMM模糊训练的语音识别方法及基于FVQ的码本自适应改进算法等。