语音识别HTK代码学习手册.docVIP

HMM的理论基础 一、 HMM定义 1.?????? N：模型中状态的数目，记t时刻Markov链所处的状态为 2.?????? M：每个状态对应的可能的观察数目，记t时刻观察到的观察值为 3.?????? ：初始状态概率矢量，，， 4.?????? A：状态转移概率矩阵，，， 5.?????? B：观察值概率矩阵（适用于离散HMM），，，；对于连续分布的HMM，记t时刻的观察值概率为 一个离散型的HMM模型可以简约的记为。 二、关于语音识别的HMM的三个基本问题 1. 已知观察序列和模型参数，如何有效的计算。 a. 直接计算 ? ? ? ?? ?????????2-1 当N=5，T=100时大概需进行次乘法! b. 前向算法 定义t时刻的前向变量（forward variable），可以通过迭代的方法来计算各个时刻的前向变量： 1） 初始化（Initialization） 当t=1时 ? ???2-2 2） 递归（Induction） 当时 ??? 即：? ??????????????2-3 3） 终结（Termination） ? ???????????????????2-4 乘法次数大约为：N2T c. 后向算法 定义t时刻的后向变量（backward variable），可以通过迭代的方法来计算各个时刻的后向变量： 1）??? Initialization） 当t=T时 ，? ?????????????????????2-5 2）??? Induction） 当时 ????? 即：，? ?????????2-6 3）??? Termination） ? ?????????????????2-7 ????????????? 乘法计算次数约为：N2T 2. 已知观察序列和模型参数，在最佳意义上确定一个状态序列。 定义一个后验概率变量（posteriori probability variable） ? ?????????2-7 ?????? 则最优序列可以通过，? ?????????2-7 求得。不过，这样求得的最优序列有些问题。如果，那么这个最优序列本身就不存在。这里讨论的最佳意义上的最优序列，是使最大化时的确定的状态序列。即，使最大化时确定的状态序列。 ?????? 定义为t时刻沿一条路径，且，输出观察序列的最大概率，即： 2-8 ?????? 下面介绍迭代计算的Viterbi算法： 1）??? Initialization） ， 回溯变量：， 2）??? Induction） 即：? ???????????????2-8 ? ?????????????????2-9 3）??? Termination） ? ?????????????????2-10 ? ??????????????????2-11 4）??? ，? ??????????2-12 3. 已知观察序列和模型参数，如何调整模型参数使最大。 定义3.1 给定训练序列和模型，时刻Markov链处在状态和时刻处在状态的概率定义如下 ? ?????3-1 定义3.2 给定训练序列和模型，时刻Markov链处在状态的概率定义如下 ? ??????????????3-2 定义3.3 给定训练序列和模型，从状态转移出去的概率为 定义3.4给定训练序列和模型，从状态转移到状态的概率为 利用Baum-Welch重估算法可以得到使局部最大时的参数更新公式。 1.? Baum-Welch重估公式的理论基础 引理3.1 设，，为正实数，，，为非负实数，那么，由对数函数的凹特性，有如下结论 ? ???????3-3 定义辅助函数如下 ? ?????????3-4 其中，为更新前模型参数，为更新后模型参数，为训练序列，为可能的状态序列。 利用和引理3.1易得 ? ???????????3-5 式3-5构成了重估公式得理论基础，对辅助函数，只要能够找到，使，从而，这样，更新后的模型在拟和训练序列方面就比更新前的模型要好，使最大而得到的的参数更新公式就称之为Baum-Welch重估公式。 引理3.2 ，，在的约束条件下，函数的唯一最大值点为 。 证明如下 ? 求最大值 令? ??得： ? ，同理可证： 利用凹函数特性可知此最大值唯一。 2.??????? 离散HMM模型的重估公式 HTK内存管理 一、???? HTK内存管理概述 C语言编程中，遇到的关于内存分配和释放的问题主要有如下两个方面。 第一是指针维护问题。试想，你写的一个程序执行了一系列内存空间分配（通常是由malloc函数完成）操作，为了能够在以后适当的时候（通常是你不再需要那些内存时）可以将分配的内存空间释放（通常是由free函数完成），你必须小心谨慎的维护好这些指向分配的内存空间的指针。有经验的程