语音识别HTK代码学习手册.docxVIP

HMM的理论根底 一、HMM定义 N :模型中状态的数目，记t时刻 Markov链所处的状态为 --一 .文档来自于网络搜索 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心个 人收集整理勿做商业用途 匸：初始状态概率矢量，， 宀…… n，儿二「 ，?亠二「个 人收集整理勿做商业用途 A :状态转移概率矩阵，’‘ - : 文档来自于网络搜索 B :观察值概率矩阵〔适用于离散HMM〕，? ， ? _ ，上亡；对于连续分布的HMM，记t时刻的观察 一个离散型的HMM模型可以简约的记为 一1。资料个人收集整理，勿做商 业用途 、关于语音识别的 HMM的三个根本问题 个人收集整理勿做商业用途 观察序列 一山和模型参数：，如何有效的计算 1心。个人收集整理勿做商业用途 直接计算 文档收集自网络，仅用于个人学习 p（p\^=n* I 亦 打 2%（眄）?叫 m ?■? P^\^=P(p\q^P(s\^  尸Q| 劲二 ⑷ =Z坷血（5地為血）S 扎（巧） -r-，A 2-1 当N=5, T=100时大概需进行21 ■_■ - J-..: -次乘法!文档来自于 网络搜索 前向算法 资料个人收集整理，勿做商业用途 定义t时刻的前向变量〔forward variable〕…s I ， 可以通过迭代的方法来计算各个时刻的前向变量： 资料个人收集整理，勿做商业用途 1〕 初始化〔Ini