从线性预测HMM到一种新的语音识别的混合模型

被引：3

作者：

欧智坚

王作英

机构：

[1] 清华大学电子工程系

来源：

电子学报 | 2002年 / 09期

关键词：

连续语音识别; 隐马尔可夫模型; 线性预测隐马尔可夫模型;

D O I：

暂无

中图分类号：

TN912.3 [语音信号处理];

学科分类号：

0711 ;

摘要：

线性预测 HMM（Linear Prediction HMM,LPHMM）并没有象传统 HMM那样引人状态输出独立同分布假设,但实用中识别性能并不佳.通过分析两种HMM的各自优劣,本文提出了一种新的语音识别的混合模型,将语音静态特性（基于传统HMM）和动态特性（基于LPHMM）分别描述又有机结合在一起,更为精确地刻划了真实的语音现象,同时又继承使系统的实现改动很小和较小的计算量.汉语大词汇量非特定人连续语音识别的实验表明,混合模型的识别性能显著好于LPHMM和传统HMM.理论上,本文还给出了LPHMM的一组闭式参数重估公式.

引用

页码：1313 / 1316

页数：4

共 5 条

[1]

A new combined model of statics-dynamicsof speech. Zhijian Ou,Zuoying Wang. Proceedings of ICASSP . 2002

[2]

Hidden Markov models using vector linear predictionand discriminative distributions. PG Woodland. Proceedings of ICASSP[C] . 1992

[3]

Explicit correlation in hidden Markov model for speechrecognition. C J Wellenkens. Proceedings of ICASSP . 1987

[4]

Phoneme HMM’ s constrained by frame correlations. S Takahashi,et al. Proceedings of ICASSP . 1993

[5]

Relax frame independence assumption for standard HMMsby stale dependent auto-regressive feature models. Y Jia,J Li. Proceedings ofICASSP . 2001

← 1 →