未找到相关数据
隐马尔可夫模型中一种新的帧相关建模方法
被引：2
作者：
郭庆
吴文虎
方棣棠
机构：
[1] 清华大学计算机科学与技术系语音实验室
来源：
基金：
“九五”攻关项目;
关键词：
连续隐马尔可夫模型，帧间相关性，非线性估计，混合高斯密度，联合条件概率密度;
D O I：
10.13328/j.cnki.jos.1999.06.013
中图分类号：
TP391.4 [模式识别与装置];
学科分类号：
0811 ;
081101 ;
081104 ;
1405 ;
摘要：
在使用传统的隐马尔可夫模型（ｔｒａｄｉｔｉｏｎａｌｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ，简称ＴＨＭＭ）刻画现实中的语音时有一个明显的缺点，即ＴＨＭＭ不能合适地表征语音信号的时域结构．时域上的相关性被认为对识别非常有用，因为相邻帧间的特征矢量具有很强的相关性．文章提出了一种新的方法，用以把时域的相关性糅合到一个基于传统的隐马尔可夫模型的语音识别系统中．首先，用条件概率的形式处理帧间相关性；然后，用一种非线性的概率近似公式来表征相邻帧之间的相关性．此方法丝毫不增加原来的ＴＨＭＭ的空间复杂度，而且也几乎不增加训练和识别阶段的时间复杂度．最后，糅合了帧间相关性的ＨＭＭ（文章称之为ＦＣ（ｆｒａｍｅｃｏｒｅｌａｔｉｏｎ）ＨＭＭ）的首选识别率比原先的ＴＨＭＭ提高了６个百分点
引用
收藏
页码：72 / 76
页数：5
相关论文