Kaldi中为什么要计算CMVN

CMVN是Cepstral Mean Variance Normalization的缩写，中文直译为倒谱均值方差归一化。这里插一句Cepstral这个词是就是谱（spectrum）这个单词的前4个字母倒过来。

在把MFCC送到解码器之前，kaldi会计算一个CMVN。为什么计算CMVN，下面给出一个理由
实际情况下，受不同麦克风及音频通道的影响，会导致相同音素的特征差别比较大，通过CMVN可以得到均值为0，方差为单位矩阵的标准特征。

CMVN是在某个范围内统计若干声学特征的均值和标准差，对范围的选择不同形成了不同的归一化方法，

1. 全局归一化（Global CMVN）
2. 说话人归一化（Speaker CMVN）

Kaldi中计算均值和方差的代码在compute-cmvn-stats.cc， 归一化在apply-cmvn.cc，对应的命令是

$> src/featbin/compute_cmvn_stats
$> src/featbin/apply_cmvn

在进行CMVN计算时，如果提供了句子和说话人的映射关系 – uut2spk，则进行说话人归一化，否则进行全局归一化。

CMVN的计算在train的阶段和decode阶段都需要计算。