第六章 语音识别（speech recognition） 语音信号处理 课件.ppt

T(i) 1 2 3 4 1 2 4 R(j) (4,4) g(4,3) (1,1) g(1,1) g(3,2) √ T(i) 1 2 3 4 1 2 4 R(j) (4,4) g(4,3) (1,1) g(1,1) g(3,1) √ T(i) 1 2 3 4 1 2 4 R(j) 1 2 3 4 3 2 1 i j 时间规整函数j=w(i) D(T,R)= g(I,J)/(I+J)=g(4,3)/(4+3)=2/7 四、动态时间规整的应用 DTW算法简洁，运算量小，适合小型的孤立词的识别。例如语音计数器，语音呼叫电话等。 开始 语音采样和量化 端点检测 LPC倒谱分析 DTW的识别算法 语音模板 识别结果输出 6.4 基于统计模型框架的识别法 一、预备知识 (1)条件概率 P(A|B) P(A|B) = P(A,B)/P(B) P(A,B)：表示A与B的联合概率。 (2)Bayes定理 P(A|B) = P(B|A)P(A)/P(B) (3)事件的独立性 P(A,B) = P(A)P(B) 二、语音识别问题的形式化描述 设：(1)待识语音的特征模式：T =t1,t2,…, tI (2)词汇表中第ｎ个单词：W(n), 1≤n≤N (3)当T 被观察到后，与T 对应的发声内容是 单词 W(n)的概率： P( W(n)|T ) 语音识别问题的形式化描述： k = argmax{ P( W(n)|T ) } n 词汇表 W(k), 1≤k≤N 参考模式 R(k), 1≤k≤N 失真测度 D(T,R(k)) DTW距离 判 别 n = argmin{D} 识别结果 W(n) 模式匹配 词 汇 表 W(k), 1≤k≤N 参考模式 M(k), 1≤k≤N 概率测度 P(T|M(k)) P:由M(k)生成T的概率 判 别 n=argmax{P(T|M(k))} 识别结果 W(n) 统计模型 Baker(CMU)和Jelinek(IBM)在70年代早期实现在语音处理上的应用 隐马尔可夫链（HMM）理论 Andrei A. Markov Russian statistician 1656 – 1622 马尔可夫链理论 马尔可夫过程 马尔可夫模型 P(Ci,Cj) = P(Ci)P(Cj|Ci) P(Ci,Cj,Ck)= P(Ci)P(Cj|Ci)P(Ck|Cj) Ci Cj Ck Cl P(Cj | Ci) P(Ck | Cj) P(Cl | Ci) 一阶马尔可夫过程 s1 s2 s3 N=3 t=0 q0=s3 有N个状态，S1,S2…SN 下一个时刻所处的状态是随机出现的。 在每个时刻n，系统只能处于唯一一个状态。 存在一个离散的时间序 t=0,t=1…… 当前状态 当前状态qt只与前面相邻的一个状态qt-1有关，与其他状态无关。 一阶离散马尔可夫模型 s1 s2 s3 1 1/2 1/2 1/3 2/3 一阶离散马尔可夫模型 转移概率 1 2 3 a12=0 a21=1/2 a11=0 a32=2/3 a13=1 a31=1/3 a33=0 a22=1/2 a23=0 转移概率矩阵 下雨 多云 晴天 0.3 0.2 0.6 0.4 0.2 0.1 0.3 0.1 0.6 下雨---状态1 多云---状态2 晴天---状态3 一阶离散马尔可夫模型 晴天 晴天 晴天 下雨 下雨 晴天 多云 晴天 0.6 0.6 0.1 0.4 0.3 0.1 0.2 问题：连续6天的天气状况为“晴天-晴天-晴天-下雨-下雨-晴天-多云-晴天”的概率是多少？ t t+1 晴天 晴天 晴天 下雨 下雨 晴天 多云 晴天 t-1 马尔可夫链 1 2 3 a12 a21 a22 a11 a23 a32 a13 a31 a33 每个硬币代表一个状态; 每个状态有两个观测值: 正面 H 和反面 T; 每个状态产生H的概率为P(H); 每个状态产生T的概率为1-P(H) 隐马尔可夫链—三个硬币隐马尔可夫模型 双重随机过程 - 依存于状态的观察事件的随机性 - 状态转移的随机性 观察序列(H：正面；T：反面)： O={o1,o2,…,oT}