声学特征转换 kaldi工具

---

基本工具

1.transform-feats

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

其中transform是对应的特征转化矩阵，如果transform是rxfilename形式，认为是speaker-independent；如果transform是rspecifier形式，有-utt2spk选项，认为是per-speaker，没有-utt2spk选项，认为是per-utterance。
- speaker-independent: LDA MLLT/STC
- per-speaker or per-utterance: fMLLR

2.compose-transform
将多个transform合并为一个
3.weight-silence-post
在说话人相关的特征变换中，需要删除silence对应的帧

说话人无关特征

lda

原始mfcc特征40维，左右3帧，扩展成280维，然后经过转换矩阵（40*280）将特征降维到40维，转换矩阵即为LDA
- acc-lda获取LDA的统计量
- est-lda根据统计量进行LDA估计

frame splicing

• splice-feats左右拼帧

delta feature

• add-deltas 增加差分

HLDA

• gmm-acc-hlda
• gmm-est-hlda

STC／MLLT

• gmm-acc-mllt
• est-mllt

说话人相关特征

CMLLR／fMLLR

Constrained Maximum Likelihood Linear Regression (CMLLR), also known as feature-space MLLR (fMLLR)
fmllr变换得到trans.JOB文件，每个speaker对应一个变换矩阵。相当于去除speaker的信息
- gmm-est-fmllr

linear VTLN

没有收益

ET

另外一种VTLN变换的方法

cmvn

compute-cmvn-stats 如果提供spk2utt，以speaker为单位；如果没有，以utterance为单位
apply-cmvn 同样如果提供utt2spk，以speaker为单位；否则，以utterance为单位

特征变换相关的recipe

train_delta

train_delta.sh：使用mfcc+cmvn+delta特征

train_lda_mllt

train_lda_mllt.sh：使用mfcc+cmvn+splice+LDA特征，获得final.mat（LDA和MLLT变换合在一起）
主要是特征做LDA/MLLT变换，转换以后的特征重新训练GMM模型，具体步骤：
- 估计出LDA变换，M ，特征经过LDA转换
- 转换后的特征重新训练GMM，在指定的迭代更新MLLT矩阵
- 计算MLLT统计量
- 更新MLLT矩阵T
- 更新模型的均值μjm←Tμjm
- 更新转换矩阵M←TM

train_sat

train_sat.sh：使用mfcc+cmvn+splice+LDA+fmllr特征，获得trans.JOB
主要是特征做fmllr变换，转换以后的特征重新训练GMM模型

train

dnn训练：将mfcc（没有cmvn和lda）特征和ivector特征拼在一起