baidu_36137891的博客

静态解码图构建的过程，就是将数据准备和预编译阶段得到的词典FST、语言模型FST、声学建模阶段得到的HMM拓扑FST以及可能的上下文关系FST，通过如下的公式进行组合优化处理，得到最终的HCLG图。Kaldi中对FST的很多操作与参考文献[1]中稍有不同，尤其是对消歧符号和权重推移等的处理上。

1       Kaldi简介 Kaldi是一个开源的语音识别工具，整合了HTK的基本功能，同时也加入了深度神经网络的分类器(DNN)。可实现与文本无关的LVCSR系统，基于FST的训练与解码，支持多种标准的机器学习训练模型。 Kaldi相关文档可参考官网：http://www.kaldi-asr.org/ Kaldi内核采用c++语言编写，易于修改和扩展。有如下重要特点： Ø  有限状态

1.1单音素模型脚本流程 单音素建模脚本（steps/train_mono.sh）： #monophone steps/train_mono.sh--boost-silence 1.25 --nj $n --cmd "$train_cmd" data/mfcc/train data/lang exp/mono \  || exit 1; 输出在exp/mono中，下面按脚本tr

1特征提取 1.1特征提取概述 输入采样率为16kHz的音频计算一个音频文件中的总帧数（通常帧长25ms，帧移10ms）提取数据，可选做dithering（加一点噪声避免出现log0）预加重(如s’(t)= s(t) -0.97 s(t-1))和去除直流偏移乘上窗函数，如Hamming窗离散傅里叶变换FFT，并在每个频点（frequencybin）计算功率谱能量计算每个梅尔滤波器

自适应的作用是，补偿实际数据与已经训练的三音素模型中声学条件不匹配的问题，包括说话人特性（说话方式、口音等）及环境特性（如录音设备、房间混响等）。在GMM-HMM模型中，自适应方法有特征空间变换和模型空间变换。Kaldi中主要采用的是特征空间变换方法： LDA、MLLT和fMLLR，其本质都是在训练过程中估计变换矩阵，然后构造变换后的特征，再迭代训练新的声学模型参数。LDA+MLLT针对环境特性，