[发明专利]语音识别系统的自适应方法

权利要求书

1.一种语音识别系统的自适应方法，包括：

确定输入的语音信号的内容差异参数，以确定输入的语音信号在树形结构的高层、中间层和低层的数据累积程度；

从适于使用树形结构的高层的类的第一自适应方法、中间层的类的第二自适应方法和低层的类的第三自适应方法中选择满足了数据累积条件的自适应方法，以执行自适应，

其中，对语音识别系统的特征空间中的声音单元建立所述树形结构，从而以树形结构的形式对声音单元进行聚类。

2.根据权利要求1所述的语音识别系统的自适应方法，其中，所述输入的语音信号在自然语音时间段期间或固定时间段期间被输入。

3.根据权利要求1所述的语音识别系统的自适应方法，其中，内容差异参数是对类累积的高斯混合的似然度AGML-C和对节点下的类累积的高斯混合的似然度AGML-N中的至少一个。

4.根据权利要求3所述的语音识别系统的自适应方法，其中，AGML-C表示：关于语音信号的预定特征帧，在所述树形结构中的一个类中的所有状态的所有高斯混合的似然度的累计值。

5.根据权利要求3所述的语音识别系统的自适应方法，其中，AGML-N表示：关于语音信号的预定特征帧，所述树形结构中的一个节点下的所有类的AGML-C之和。

6.根据权利要求1所述的语音识别系统的自适应方法，其中，第一自适应方法是本征空间方法；第二自适应方法是线性变换方法；第三自适应方法是最大后验概率方法。

7.根据权利要求3所述的语音识别系统的自适应方法，还包括：确定输入的语音信号的数据量参数，其中，基于输入的语音信号的数据量和内容差异参数来选择满足了数据量条件和数据累积条件的自适应方法。

8.根据权利要求7所述的语音识别系统的自适应方法，其中，数据量参数是所述输入的语音信号的所有特征帧的时间长度。

9.根据权利要求7所述的语音识别系统的自适应方法，其中，基于输入的语音信号的数据量和所述数据累积程度来选择满足了数据量条件和数据累积条件的自适应方法的步骤包括：

确定数据量参数是否大于第一阈值；

当确定数据量参数不大于第一阈值时，选择第一自适应方法；

当确定数据量参数大于第一阈值时，确定关于输入的语音信号中的预定特征帧，所述树形结构的中间层的所有类的AGML-C是否都大于第二阈值；

当确定不都大于第二阈值时，选择第一自适应方法。

10.根据权利要求9所述的语音识别系统的自适应方法，其中，当确定都大于第二阈值时，选择第二自适应方法。

11.根据权利要求9所述的语音识别系统的自适应方法，其中，当确定都大于第二阈值时，确定关于所述预定特征帧所述树形结构的低层的所有类的AGML-C是否都大于第三阈值；当确定都大于第三阈值时，选择第三自适应方法；当确定不都大于第三阈值时，选择第二自适应方法。

12.根据权利要求9所述的语音识别系统的自适应方法，其中，当确定都大于第二阈值时，确定关于所述预定特征帧所述树形结构的中间层的所有节点的AGML-N是否都大于第四阈值；当确定都大于第四阈值时，选择第三自适应方法；当确定不都大于第四阈值时，选择第二自适应方法。

13.根据权利要求3所述的语音识别系统的自适应方法，其中，所述选择自适应方法的步骤包括：

确定关于输入的语音信号中的预定特征帧，所述树形结构的中间层的所有类的AGML-C是否都大于第五阈值；

当确定不都大于第五阈值时，选择第一自适应方法。

14.根据权利要求13所述的语音识别系统的自适应方法，其中，当确定都大于第五阈值时，选择第二自适应方法。

15.根据权利要求13所述的语音识别系统的自适应方法，其中，当确定都大于第五阈值时，确定关于所述预定特征帧所述树形结构的低层的所有类的AGML-C是否都大于第六阈值；当确定都大于第六阈值时，选择第三自适应方法；当确定不都大于第六阈值时，选择第二自适应方法。