HTK学习笔记.docVIP

由语音数据得到观察向量的过程，称为语音信号处理。（信号处理） 语音信号处理大多包含时域到频域的转换，例如FFT。 处理结果可能包含多种因素，共同组成观察向量。 观察向量的概率分布，是多元混合正态分布，应使用多元混合高斯函数描述观察概率。 转移概率是？分布，应使用？模型描述。 使用多个样本对概率模型参数进行最大似然估计。（概率论） 参数估计过程是一个迭代的过程，叫做前向/后向算法。 可以将多个HMM联合成一个较大的HMM，同时对这些HMM进行参数估计。 参数估计收敛到一定程度时停止。 孤立词识别通过计算每个HMM的概率完成。 连续语音识别是一个路径空间搜索过程，具有最大概率加权的路径，就是当前结果。 需要使用任务语法构造这个路径空间。（人工智能） 一、语音信号处理 1、预处理 清除DC均值（ZMEANSOURCE T） 有时AD转换时会给数字信号添加一个DC偏移，可以去掉。 信号预加重（PREEMCOEF 0.9） HTK中使用差分进行信号预加重，系数可调。 采样细化（Taper）（USEHAMMING T） 减弱哈明窗口边缘的信号不连续性。 添加噪声（ADDDITHER q） 防止某些采样数据编码会数值溢出。 如果需要可以调整采样数据字节序 2、信号处理 1）哈明窗口大小一般大于参数采样周期，即生成各Observation的采样数据是部分重叠的。 2）一个Observation最多