隐Markov模型中状态停留时间的模型化

在用传统的ＨＭＭ（ＴＨＭＭ）刻画现实中的语音时有一个显然的缺点，那便是它不能合适地表征语音信号的时域结构。本文采用依赖于时间的状态转移概率来模型化状态停留时间，修改后的模型称为ＭＨＭＭ。对于参加过训练的说话人，ＴＨＭＭ和ＭＨＭＭ的正识率基本上差不多。而对于未参加过训练的说话人，ＭＨＭＭ的正识率明显高于ＴＨＭＭ的正识率。也就是说，ＭＨＭＭ对于说话人的适应性要好于ＴＨＭＭ。原因在于ＭＨＭＭ更多地包含了发音时音素间的跳转信息。