声学特征变换 fMLLR

---

含义

当测试数据$Y$和模型${\Lambda }_x$不匹配的时候，可以通过变换的方式进行匹配[1]：

• model-space 也就是${\Lambda }_x$转化为${\Lambda }_y$
• feature-space 也就是$Y$转化为$X$

其中model-space的变换又可以分为两种：

• unconstrained: 均值和方差无关
• constrained: 均值和方差变换是相同的形式

对于constrained model-space transformations，虽然出发点是对模型的均值和方差做转换，但是公式推导[2]最后的形式可以看成对输入的特征做线性变化，所以Constrained Maximum Likelihood Linear Regression (CMLLR)也称为feature-space MLLR (fMLLR)。
fMLLR主要用于SAT（speaker adaptive training）训练，基本思想是训练得到的转化矩阵，使得adaptation数据在当前模型获得最大似然值。

kaldi使用

steps/train_sat.sh

#1.获得trans
#  假设特征40维，每个speaker对应一个40*41维的矩阵
gmm-est-fmllr
#使用trans
transform-feats --utt2spk=ark:$sdata/JOB/utt2spk ark,s,cs:$dir/trans.JOB ark:- ark:- |
#查看trans矩阵
copy-matrix ark:trans.1 ark,t:trans.1.txt

参考

[1].A Maximum-Likelihood Approach to Stochastic Matching for Robust Speech Recognition
[2].Maximum likelihood linear transformations for HMM-based speech recognition

后面的技术分享转移到微信公众号上面更新了，【欢迎扫码关注交流】