[发明专利]模型生成装置、模式识别设备及其方法

说明书

技术领域

本发明涉及模式识别领域，尤其涉及用于模式识别的模型生成装置、模式识别设备及其方法。

背景技术

迄今，模式识别技术已得到迅速的发展，并已被广泛地用于进行手势识别、手写字符识别、语音识别、说话者识别等。

在模式识别领域中，模型生成方法对于所需的存储器大小以及模式识别性能具有重要的影响。

通常的模型生成方法并不具有任何方差共享机制。图1示意性地示出这种无方差共享的方法。这里，出于简化的目的，假设每个模型除两个虚状态之外具有两个实状态（实状态是指既具有转移概率又具有输出概率的状态，而虚状态是指仅具有转移概率而不具有输出概率的状态）。此外，假设每个实状态具有两个混合分量，而每个混合分量例如是多维高斯分布。在图中，在每个高斯分布的下方都以双箭头的形式示出了该高斯分布的方差，双箭头的长短对应于方差值的大小。如图1所示，在模型1中，实状态1的混合分量的方差依次为 V1和V2，实状态2的混合分量的方差依次为V3和V4；而在模型2 中，实状态1的混合分量的方差依次为V5和V6，实状态2的混合分量的方差依次为V7和V8。在图1所示的无方差共享方法中，方差V1～V8的值可能是不同的。

出于诸如减小存储器大小或获得良好的模型参数估计等的目的，在模型生成过程中可以使用方差共享方法。

US2005/0192806A1公开了全局固定（Grand-fixed）方差共享方法。根据该方法，通过对多个概率密度函数的方差进行平均化而获得一个全局方差。图2示意性地示出全局固定方差共享方法。如图2 所示，各模型的各实状态中的各混合分量的方差都相同，即，都为V。

另外，文献Wei-Qiang Zhang and Jia Liu(2011),‘Discriminative Universal Background Model Training for Speaker Recognition’, Speech and Language Technologies,Prof.Ivo Ipsic(Ed.),ISBN: 978-953-307-322-4,InTech公开了通用背景模型（Universal Background Model，UBM）方差共享方法。根据该方法，对UBM进行训练，并且所有的目标说话者模型共享该UBM中的方差。图3示意性地示出UBM方差共享方法。如图3所示，各模型中具有相同状态标号的状态共享相同的方差。更具体而言，对于模型1的实状态1 与模型2的实状态1而言，其混合分量的方差共享，即，模型1的实状态1中的混合分量的方差依次为V1和V2，而模型2的实状态1 中的混合分量的方差也依次为V1和V2。并且，对于模型1的实状态2与模型2的实状态2而言，其混合分量的方差共享，即模型1 的实状态2中的混合分量的方差依次为V3和V4，而模型2的实状态2中的混合分量的方差也依次为V3和V4。

然而，上述文献中的方法各自存在限制。

在US2005/0192806A1公开的全局固定方差共享方法中，由于仅使用一个全局固定方差，因此方差的分辨率通常并不太好。鉴于此，补偿因子被采用。但是，由于在解码过程中会频繁地调用高斯概率计算处理，使得该过程由于用于处理补偿因子的额外的乘运算或除运算而产生太大的计算量。此外，还需要有额外的存储器来存储补偿因子。

另外，在Wei-Qiang Zhang等人公开的UBM方差共享方法中，由于所有目标模型具有与UBM相同的状态拓扑，因此其难以应对目标模型具有不同的状态数或具有不同的每一状态的混合分量数的情况。此外，在有限训练数据的情况下，该方法有可能由于需要估计较多的方差而不能提供良好的模型参数估计。

因此，希望能够提供一种新的用于模式识别的模型生成装置、模式识别设备及其方法。

发明内容

鉴于以上问题中的至少一个提出本发明。

本发明的一个目的是提供一种新的用于模式识别的模型生成装置、模式识别设备及其方法。

本发明的另一目的是提供一种用于模式识别的模型生成装置、模式识别设备及其方法，其至少能够适当地减少模型参数的数目，从而适当地减小存储器大小。

本发明的又一目的是提供一种用于模式识别的模型生成装置、模式识别设备及其方法，其至少能够在有限训练数据的情况下提供较好的模型参数估计，从而提供较好的识别性能。