我已经应用gaussmix从MATLAB的音箱工具计算高斯混合模型(GMM)。但是,当我为512 GMM组件运行它时,代码会给我一个错误。
No_of_Clusters = 512;
No_of_Iterations = 10;
[m_ubm1,v_ubm1,w_ubm1]=gaussmix(feature,[],No_of_Iterations,No_of_Clusters);
Error using *
Inner matrix dimensions must agree.
Error in gaussmix (line 256)
pk=px*wt; % pk(k,1) effective number of data points for each mixture (could be zero due to underflow)我需要一个通用背景模型(UBM)的1024或2048混合物。如何计算大量成分的这种混合物?
发布于 2014-03-10 18:18:16
你想用它来进行语音处理吗?如果是,最好的方法是使用MSR标识工具包。这个工具包是由Microsoft研究员Omid博士编写的。他指导我如何使用它。(你也需要Voicebox )。下面是一个示例代码片段,您可以使用它从wav文件中的语音文件中提取MFCC(假设16 kHz采样率):
addpath('path_to_voicebox');
addpath('path_to_identity_toolbox');
[s, fs] = wavread(speechFilename);
fL = 100.0/fs;
fH = 8000.0/fs;
fRate = 0.010 * fs;
fSize = 0.025 * fs;
nChan = 27;
nCeps = 12;
premcoef = 0.97;
s = rm_dc_n_dither(s, fs);
s = filter([1 -premcoef], 1, s);
mfc = melcepst(s, fs, '0dD', nCeps, nChan, fSize, fRate, fL, fH);
mfc = cmvn(mfc', true);
writehtk(featureFilename, mfc', 100000, 9);上述代码从预先强调的语音信号中提取39维MFCC,然后对特征进行均值和方差归一化,最后以HTK格式写入磁盘。请注意,这只是一个示例代码,您可以根据您的需要/重新定位来修改这段代码。两个函数"rm_dc_n_dither“和"cmvn”来自标识工具箱。Voicebox和Identity工具箱都应该位于MatLab路径中(请参阅上述代码的前两行)。对于语音活动检测(VAD),您可以使用Voicebox中的"vadsohn“函数,该函数以10 ms帧跳过速率输出帧级决策(0表示沉默,1表示语音)。
从数据库中提取这些特性之后,您可以按照标识工具箱提供的gmm_ubm_demo中的步骤来训练UBM模型。
如果您想在TIMIT上复制我们的演示结果,您可以从这里下载列表文件(不包括在工具箱中)。
https://stackoverflow.com/questions/22240357
复制相似问题