二阶隐马尔科夫模型在语音处理中的线性计算原理及优化.docVIP

二阶隐马尔科夫模型在语音处理中的线性计算原理及优化 　　摘 要：简要介绍二阶隐马尔科夫模型在语音处理中的基本原理，对隐马尔科夫模型中生成序列观察、前向――后向算法中的线性计算原理进行归纳，将二维空间向量和矩阵计算的方法引入语音处理的二阶隐马尔科夫过程。 　　关键词：隐马尔科夫模型 语音处理 算法 线性优化 矩阵 　　中图分类号：O211.62 文献标识码：A 文章编号：1007-3973（2013）007-097-03 　　1 隐马尔科夫模型 　　隐马尔科夫模型是一种在语音识别中被广泛应用的统计模型。过去隐马尔科夫模型在语音处理中的应用主要局限在一阶隐马尔科夫过程。一阶隐马尔科夫模型的两个基本假设在语音处理的研究中并不合理。 　　其中关于状态转移的假设认为：在t+1时刻的状态转移只与该时刻的状态有关，而与之前的时刻没有关系，这显然是不合理的。比如在计算语言学中，福田算法是基于上下文无关文法的高效的自然语言分析方法，这种算法考虑了句法结构、图结构线、子树共享和局部歧意紧缩的技术，证实了相邻词汇之间紧密的相关性。而输出值的马尔科夫假设认为：在t时刻输出观察值的概率，只取决于ti≤t的时刻，这显然也是不合理的，因为它忽略了在数值输出中的前后相继的必然联系，比如生物信息学中处于生物序列中的核苷酸与其前后链中的分子具有极其密切的关系。以上两点均说明了一阶隐马尔科夫模型的不合理性。