该文提出一种基于低秩约束的本征音子(Eigenphone)说话人自适应方法。原始的本征音子说话人自适应方法在自适应语料充分时具有很好的效果,然而当自适应语料不足时,出现严重的过拟合现象,导致自适应后的系统可能比自适应前的系统还要差首先,对协方差矩阵为对角阵的隐马尔可夫-高斯混合模型语音识别系统,推导出一种简化的本征音子矩阵估计算法;然后,对本征音子矩阵约会低秩约束,采用矩阵的核范数作为矩阵秩的凸近似,通过调节核范数的权重因子以有效控制自适应模型的复杂度;最后,采用一种加速近点梯度算法以转换新算法中约会的带有核范数正则项的数学优化问题。 ,约会低秩约束后,本征音子说话人自适应方法的自适应效果得到了明显提高,在5〜50 s的自适应数据条件下,均获得了比最大似然线性回归后接最大后验(MLLR + MAP)自适应更佳的识别效果。