Speech analysis and parameter extraction Short-term analysis, frames and windows Time-domain analysis: energy, zero-crossings, statistic parameters, autocorrelation Frequency-domain analysis: spectra and spectrograms Cepstral analysis Linear predi

介绍了一种基于词网的最大似然线性回归无监督自适应算法，并进行了改进。根据解码得到的词网估计变换参数，词网的潜在误识率远小于识别结果，因此可以使参数估计更为准确。传统的一个很大缺点是计算量极大，较难实用，对此本文提出了两个改进技术：1利用后验概率压缩词网；2利用单词的时间信息限制状态统计量的计算范围。实验测定,误识率比传统相对下降了。-Introduced the term network based maximum likelihood linear regression unsupervise

：自适应技术在近年来得到越来越多的重视，其中应用广泛的包括,-.、,//0，该技术利用少量特定 人数据就可以调整码本，快速地提升识别性能，它要求原始的码本有很好的说话人无关性。本文介绍了结合 ,//0 自适应的说话人自适应训练（1234536 -74289:3 649<9<=，以下简称1- ）算法，这种方法将每个说话人码本 视为说话人无关码本经过线性变换的结果，在此基础上训练的说话人无关码本更有效剔除了说话人相关信 息，因此在说话人自适应中时能根据特定数据调整更好地逼