基于分段模糊聚类算法的VQHMM语音识别模型参数估计.pdf

第7 卷 第3 期 电路与系统学报 Vol. 7 No.3 2002 年 9 月 JOURNAL OF CIRCUITS AND SYSTEMS September, 2002 文章编号 1007-0249 (2002) 0 3-0066-04 基于分段模糊聚类算法的VQ-HMM 语音识别模型参数估计* 赵力 邹采荣 吴镇扬 东南大学 无线电工程系, 江苏 南京 210096 摘要 提出了一种新的语音识别模型 VQ-HMM 它综合了 VQ 和 HMM 的优点 在每个状态通过用矢量量化 误差值取代传统HMM 的输出概率值来建立模型 同时提出了基于分段模糊聚类算法的模型参数估计方法 文中给出 了模型的实现方法 并通过实验证明了其在语音识别中具有很好的性能 关键词 语音识别 VQ HMM 模糊聚类 中图分类号 TP391.42 文献标识码 A 1 前言 [1] 几乎所有成功的语音识别方法都是基于统计的 概率的或信息理论的方法 其中较具代表性的 [2] 方法有矢量量化法(VQ)和隐马尔可夫模型法(HMM) VQ 法是由 Shore 和 Burton 首先提出的 其主 要优点是无需进行时间规正或动态时间伸缩 DTW 由于语音特征是时间序列 所以 Burton 等人 [3] 又提出了分段 VQ 的方法 它可以看成是 VQ 法和 DTW 的统合 然而 DTW 不是一种统计概率的 方法 HMM 作为统计概率模型已经被证明是一种很好的语音识别模型[4] 本文把 VQ 和 HMM 相结合 提出了VQ-HMM 语音识别模型 同时在模型参数估计中引入模糊 集思想 利用分段模糊聚类算法代替传统的分段k 均值算法对VQ-HMM 的模型参数进行估计 文中 给出了VQ-HMM 参数估计及模型实现方法 并给出了比较实验结果和结论 2 VQ-HMM 算法 传统HMM 的输出概率值是通过每个状态的输出概率函数或输出概率矩阵计算得到的 VQ-HMM 在每个状态通过用VQ 误差尺度取代传统HMM 的输出概率函数或输出概率矩阵 利用矢量量化误差 值取代传统HMM 的输出概率值 它的模型参数由状态转移概率和每个状态的码本组成 每个类别都 预备一个相应的模型 对于一个给定的待识别输入时间序列 识别系统将分别利用各个类别模型 对 其逐帧计算序列的量化误差值 得到最小累积量化误差值的模型所对应的类别即为识别结果 最小累 积误差的计算通过维特比 Viterbi 算法实现 其计算公式定义如下 D min T d (y , C ) d (x , x ) (1) i x i i 1 i