基于改进的隐马尔科夫模型的语音识别方法-中南大学学报.PDFVIP

第 39 卷第 6 期 中南大学学报( 自然科学版) Vol.39 No.6 2008 年 12 月 J. Cent. South Univ. (Science and Technology) Dec. 2008 基于改进的隐马尔科夫模型的语音识别方法 袁 里 驰1, 2 (1. 中南大学 信息科学与工程学院，湖南 长沙，410083； 2. 江西财经大学 信息管理学院，江西 南昌，330013) 摘 要：针对隐马尔可夫(HMM)语音识别模型状态输出独立同分布等与语音实际特性不够协调的假设以及在使用 段长信息时存在的缺陷，对隐马尔可夫模型进行改进，提出马尔可夫族模型。马尔可夫族模型可看作一个数学上 由多个马尔可夫链构成的多重随机过程，HMM 模型则是双重随机过程，因而，HMM 模型可视为马尔可夫族模 型的特例。马尔可夫族模型用条件独立性假设取代了 HMM 模型的独立性假设。相对条件独立性假设，独立性假 设是过强假设，因而，基于马尔可夫族模型的语音模型更符合语音实际物理过程。在马尔可夫族语音识别模型中 引入状态段长信息，能自动根据语速对语音单元段长进行调整。非特定人连续语音实验结果表明，利用状态段长 信息的改进语音识别模型比经典 HMM 模型的性能明显提高。 关键词：隐马尔可夫模型；马尔可夫族模型；段长；语音识别 中图分类号：TN912.34 文献标识码：A 文章编号：1672−7207(2008)06−1303−06 A speech recognition method based on improved hidden Markov model YUAN Li-chi1, 2 (1. School of Information Science and Engineering, Central South University, Changsha 410083, China; 2. School of Information Technology, Jiangxi University of Finance Economics, Nanchang 330013, China) Abstract: In order to overcome the defects of the duration modeling of homogeneous hidden Markov model (HMM) in speech recognition and the unrealistic assumption that successive observations are independent and identically distribution within a state, Markov family model (MFM) was proposed. In the speech recognition model based on HMM, the time-sequence structure of speech signal was considered to be a double stochastic process, while Markov family model was a multiple stochastic process which consists of a few Markov chains,