LDA:kaldi中每一帧,通常扩展到左右各4帧,共9帧。每个特征向量13*9=117个维度,通过LDA对特征向量降维处理,提取相关性较高的维度;
MLLT:kaldi和HTK在处理多维高斯分布的时候,通常将协方差矩阵简化成对角矩阵,一定程度的弱化了模型,最终的似然函数也下降很多;MLLT的处理可以减少似然函数的损失,使对角矩阵合理性提升;
LDA和MLLT
最新推荐文章于 2023-01-04 18:59:55 发布
LDA:kaldi中每一帧,通常扩展到左右各4帧,共9帧。每个特征向量13*9=117个维度,通过LDA对特征向量降维处理,提取相关性较高的维度;
MLLT:kaldi和HTK在处理多维高斯分布的时候,通常将协方差矩阵简化成对角矩阵,一定程度的弱化了模型,最终的似然函数也下降很多;MLLT的处理可以减少似然函数的损失,使对角矩阵合理性提升;