语音识别HTK代码学习手册.pdfVIP

  1. 1、本文档共118页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

语音识别HTK代码学习手册

HMM的理论基础

一、HMM定义

1.N:模型中状态的数目,记t时刻Markov链所处的状态为

2.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

3.:初始状态概率矢量,,,

4.A:状态转移概率矩阵,,,

5.B:观察值概率矩阵(适用于离散HMM),,

,;对于连续分布的HMM,记t时刻的观察

值概率为

一个离散型的HMM模型可以简约的记为。

二、关于语音识别的HMM的三个基本问题

1.已知观察序列和模型参数,如何有效的计算

a.直接计算

2-1

当N=5,T=100时大概需进行次乘法!

b.前向算法

定义t时刻的前向变量(forwardvariable),

可以通过迭代的方法来计算各个时刻的前向变量:

1)初始化(Initialization)

当t=1时

2-2

2)递归(Induction)

当时

即:2-3

3)终结(Termination)

2-4

2

乘法次数大约为:NT

c.后向算法

定义t时刻的后向变量(backwardvariable)

,可以通过迭代的方法来计算各个时刻的后向

变量:

1)初始化(Initialization)

当t=T时

,2-5

2)递归(Induction)

当时

即:,2-6

3)终结(Termination)

2-7

2

乘法计算次数约为:NT

2.已知观察序列和模型参数,在最佳意义上确

定一个状态序列。

定义一个后验概率变量(posterioriprobabilityvariable)

文档评论(0)

baekhyun- + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档