Common utilities
base/kaldi-common.h
几乎所有Kaldi程序都会include该头文件。
该头文件include了一些其他位于base/目录的头文件，主要提供：
- 错误-日志 宏
- 类型定义（typedefs）
- 数学实用程序函数（如随机数生成器）
- 其他#defines
util/common-utils.h
命令行参数解析
I/O函数（处理带管道的文件名）
ark列表处理
列表类型
字符串转换
gmm/model-common.h
GMM/SGMM的枚举，如：模型哪些部分需要更新
gmm/diag-gmm.h
单个GMM的定义，对GMM的操作，包括：
调整混合组元数以及特征维数
复制
高斯采样
扰动
分裂
合并
对组元的增、删、改、读写
似然计算
根据数据选择似然最高的组元
private:
/// GMM Constant（对数高斯混合模型概率密度函数中的常量）
/// 即 log(weight) - 0.5 * (log det(var) + mean*mean*inv(var))
Vector<BaseFloat> gconsts_;
bool valid_gconsts_; ///< Recompute gconsts_ if false
gmm/am-diag-gmm.h
该类仅储存了一个GMM列表，以及定义了一些存取函数和便捷函数。
std::vector<DiagGmm*> densities_;
矩阵库
matrix/matrix-lib.h
该头文件是对BLAS和LAPACK的封装
sp-matrix.h
压缩的对称矩阵（symmetric packed matrices）
tp-matrix.h
压缩的上下三角矩阵（triangular packed matrices）
srfft.h
分裂基快速傅里叶变换（Split Rafix FFT）
matrix/kaldi-matrix.h
矩阵定义、矩阵运算，tutorial
在文件matrix/matrix-lib-test.cc中添加一个测试函数。如前所述，如果出现问题，测试程序将被设计为以非零状态中止或退出。
我们将为Vector::AddVec函数添加一个测试例程。该函数将一个常量乘以一个向量，并加到另一个向量中。仔细阅读下面的代码，尽可能多地理解它（请注意：我们故意在代码中插入了两个错误）。如果你对模板不熟悉，理解它可能会很困难。我们尽量避免使用模板，因此Kaldi的大部分内容在不知道模板编程的情况下仍然可以理解。
template<class Real> void UnitTestAddVec() { // note: Real will be float or double when instantiated. int32 dim = 1 + Rand() % 10; Vector<Real> v(dim); w(dim); // two vectors the same size. v.SetRandn(); w.SetRandn(); Vector<Real> w2(w); // w2 is a copy of w. Real f = RandGauss(); w.AddVec(f, v); // w <-- w + f v for (int32 i = 0; i < dim; i++) { Real a = w(i), b = f * w2(i) + v(i); AssertEqual(a, b); // will crash if not equal to within // a tolerance. } } |
特征提取代码
feat/feature-mfcc.h
数据成员有：
// lifter系数
Vector<BaseFloat> lifter_coeffs_;
// 离散余弦变换（Discrete Cosine Transformation）矩阵
Matrix<BaseFloat> dct_matrix_; // matrix we left-multiply by to perform DCT.
// 最小对数能量
BaseFloat log_energy_floor_;
// 梅尔滤波器组，声道长度归一化系数
std::map<BaseFloat, MelBanks*> mel_banks_; // BaseFloat is VTLN coefficient.
// 分裂基傅里叶变换
SplitRadixRealFft<BaseFloat> *srfft_;
// note: mel_energies_ is specific to the frame we're processing, it's
// just a temporary workspace.
// 当前帧的梅尔能量
Vector<BaseFloat> mel_energies_;
以及特征计算函数
声学决策树以及HMM拓扑代码
tree/build-tree.h
决策树构建主要是由BuildTree函数实现：
EventMap *BuildTree(...)
其返回值EventMap是一个能够表示从EventType（(key, value)二元组向量）到EventAnswerType（整数）的映射。
key表示音素上下文位置（如，-1、0、1或2）；
其中-1表示当前位置位于该HMM中（粗略的位置）
value表示音素的标识符；
BuildTree()函数的输入数据为
const BuildTreeStatsType &stats,
其类型BuildTreeStatsType：
typedef vector<pair<EventType, Clusterable*> > BuildTreeStatsType;
其中的EventType：
typedef vector<pair<EventKeyType, EventValueType> > EventType;
EventType是三音素标识符，如{{-1, 1},{0, 15},{1, 21},{2, 38}}表示左上文音素为15、右下文音素为38的三音素21，并且其pdf-class（中间状态的标识符）为1。
Clusterable* 是指向一个接口类，支持如 统计数据相加、目标函数（如似然）计算 的运算。
在常见的脚本中，该指针通常指向一个统计数据类。
该类包含足够的用于估计对角高斯pdf的统计数据。
如：
class GaussClusterable: public Clusterable{
private:
Matrix<double> stats_;//两行的矩阵，一行为向量之和，一行为向量的平方和
}
在进行accumlate tree时，为三音素中的每个HMM状态（即pdf-class）统计单高斯的统计数据。
-ci-phones选项（该选项是优化项，不加也可）用于指定无需进行数据统计的上下文无关音素（如静音音素）。
该程序的输出可以被看作是上述的BuildTreeStatsType。