聲學特徵轉換 kaldi工具

---

基本工具

1.transform-feats

transform-feats <transform> <input-feats> <output-feats>

其中transform是對應的特徵轉化矩陣，如果transform是rxfilename形式，認爲是speaker-independent；如果transform是rspecifier形式，有-utt2spk選項，認爲是per-speaker，沒有-utt2spk選項，認爲是per-utterance。
- speaker-independent: LDA MLLT/STC
- per-speaker or per-utterance: fMLLR

2.compose-transform
將多個transform合併爲一個
3.weight-silence-post
在說話人相關的特徵變換中，需要刪除silence對應的幀

說話人無關特徵

lda

原始mfcc特徵40維，左右3幀，擴展成280維，然後經過轉換矩陣（40*280）將特徵降維到40維，轉換矩陣即爲LDA
- acc-lda獲取LDA的統計量
- est-lda根據統計量進行LDA估計

frame splicing

• splice-feats左右拼幀

delta feature

• add-deltas 增加差分

HLDA

• gmm-acc-hlda
• gmm-est-hlda

STC／MLLT

• gmm-acc-mllt
• est-mllt

說話人相關特徵

CMLLR／fMLLR

Constrained Maximum Likelihood Linear Regression (CMLLR), also known as feature-space MLLR (fMLLR)
fmllr變換得到trans.JOB文件，每個speaker對應一個變換矩陣。相當於去除speaker的信息
- gmm-est-fmllr

linear VTLN

沒有收益

ET

另外一種VTLN變換的方法

cmvn

compute-cmvn-stats 如果提供spk2utt，以speaker爲單位；如果沒有，以utterance爲單位
apply-cmvn 同樣如果提供utt2spk，以speaker爲單位；否則，以utterance爲單位

特徵變換相關的recipe

train_delta

train_delta.sh：使用mfcc+cmvn+delta特徵

train_lda_mllt

train_lda_mllt.sh：使用mfcc+cmvn+splice+LDA特徵，獲得final.mat（LDA和MLLT變換合在一起）
主要是特徵做LDA/MLLT變換，轉換以後的特徵重新訓練GMM模型，具體步驟：
- 估計出LDA變換，M ，特徵經過LDA轉換
- 轉換後的特徵重新訓練GMM，在指定的迭代更新MLLT矩陣
- 計算MLLT統計量
- 更新MLLT矩陣T
- 更新模型的均值μjm←Tμjm
- 更新轉換矩陣M←TM

train_sat

train_sat.sh：使用mfcc+cmvn+splice+LDA+fmllr特徵，獲得trans.JOB
主要是特徵做fmllr變換，轉換以後的特徵重新訓練GMM模型

train

dnn訓練：將mfcc（沒有cmvn和lda）特徵和ivector特徵拼在一起