基于个人身份特征的DNN声学模型的自适应方法

摘要

本发明公开了一种基于个人身份特征的DNN声学模型的自适应方法。解决了自适应训练中易出现过拟合，个人身份表征能力差，鲁棒性低的问题。具体实现有：提取个人身份特征，用MFCC特征作为非特定说话人的DNN模型输入；搭建GMM‑HMM语音识别系统；搭建具有多个隐层的DNN声学模型的DNN‑HMM基线系统；对DNN声学模型逐层进行个人身份特征自适应训练，得到一个对特定说话人具有自适应能力的DNN声学模型。在个人身份特征提取中采用VAD技术对DNN模型最后一个隐层的权值矩阵分解代替原始特征。本发明充分利用了少量说话人数据对模型参数调整提高特定说话人识别准确率。复杂度低，识别性能显著提升。用于与语音识别相关的智能系统或通信、医疗、车载等。