基于状态持续时间的HMM语音识别模型-计算机系统应用.PDFVIP

2011 年 第 20 卷 第 12 期 计 算 机 系 统 应 用 基于状态持续时间的HMM 语音识别模型① 孙玉莎，王朝立，白 洁，鲁国辉 (上海理工大学 光电与计算机工程学院，上海，200093) 摘 要：针对经典隐马尔可夫模型对状态持续时间的函数表达与实际语音的物理事实不相符合这一缺点，在通 常隐马尔可夫的基础上引入状态持续时间参数，建立基于状态持续时间的 HMM 语音识别模型（SDHMM)，并 用其进行语音识别实验，与经典隐马尔可夫模型相比，识别率有所提高。 关键词：隐马尔可夫模型；状态持续时间；语音识别； Speech Recognition Models Based on State Duration Hmm SUN Yu-Sha, WANG Chao-Li, BAI Jie, LU Guo-Hui (School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China) Abstract: In order to solve the Function expression of state duration of Classic hidden Markov model doesnt match The physical facts of actual voice, this article proposed a state duration based HMM （SDHMM), bring the state duration parameters into the usual hidden Markov model. With its voice recognition experiments with the classical hidden Markov models, the recognition rate improved. Key words: Hidden Markov model state duration; speech recognition 1 引言 ①π :初始状态概率，π (π ,π ) ，式中，1≤i 1 N HMM 模型是一个双重的随机过程，即一个隐藏 ≤N 。 的（不可观察的）具有有限状态的马尔可夫链和一个 ② A: 状 态 转 移 概 率 矩 阵 ， 其 中 与马尔可夫链相关联的随机函数集（可观察的），隐马 a P (q s ,q s ) ，1≤i，j ≤N 。 ij t + 1 j t i 尔可夫模型是一种应用非常广泛的统计模型，能够很 ③ B:观察值概率矩阵，其中 好的描述语音信号的非平稳性和可变性。语音等时变 b P (o v | q s ) ，1≤j ≤N ，1≤i≤M 。 jk t k t j 信号的功率谱可以唯一地由模型对应的状态的随机函 ④ N ：模型的状态数。记 N