语音识别隐马尔可夫模型的改进

由于在语音识别中被广泛应用的隐马尔可夫模型（ＨＭＭ）是一重马尔可夫模型，它不能充分地描述语音信号的时间相依性。虽然理论上可将ＨＭＭ扩展成多重马尔可夫模型，但由于所需运算量和存储量将成指数增长而使其难以应用。因此，本文提出一种新模型，它是由ＨＭＭ与一个能描述语音信号时间相依性的多维高斯密度函数相结合构成的，本文从理论上论证了新模型的合理性。对汉语不计声调的全部４０９个单音节的识别实验结果表明：新模型的识别率显著一致地高于ＨＭＭ．此外，本文使用平滑的统计直方图描述状态的持续时间长度，因为我们在实验中发现，连续的密度函数，例如高斯、Ｇａｍｍａ等，不能令人满意地描述ＨＭＭ或本文新模型的状态持续时间。