基于隐马尔可夫模型与并行模型组合的特征补偿算法-东南大学学报.PDFVIP

第３９卷第５期 东南大学学报（自然科 学版 ） Ｖｏｌ．３９ Ｎｏ．５ 　 ２００９年９月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｓｅｐｔ．２００９ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２００９．０５．００４ 基于隐马尔可夫模型与并行模型组合的特征补偿算法 吕　勇　　吴镇扬 （东南大学信息科学与工程学院，南京２１００９６） 摘要：提出了一种基于隐马尔可夫模型和并行模型组合的特征补偿算法．首先，利用一个包含较 多状态的隐马尔可夫模型来描述全部单词特征向量的分布．然后，根据静音段估计的噪声均值和 方差，采用并行模型组合方法调整隐马尔可夫模型的均值向量和协方差矩阵，使之与识别环境相 匹配．最后，根据基于状态转移矩阵压缩的前向后向算法计算隐马尔可夫模型的后验概率，并通 过最小均方误差准则估计纯净语音特征向量．实验结果表明，该算法能够更加准确地估计纯净语 音特征向量，其性能明显优于基于高斯混合模型的特征补偿算法；状态转移矩阵压缩算法可以在 不影响补偿精度的前提下，显著减少前向后向算法的计算量． 关键词：语音识别；特征补偿；隐马尔可夫模型；并行模型组合 中图分类号：ＴＮ９１２３４　　文献标志码：Ａ　　文章编号：１００１－０５０５（２００９）０５０８８９０５ ＦｅａｔｕｒｅｃｏｍｐｅｎｓａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ ａｎｄｐａｒａｌｌｅｌｍｏｄｅｌｃｏｍｂｉｎａｔｉｏｎ ＬüＹｏｎｇ　　ＷｕＺｈｅｎｙａｎｇ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＡｆｅａｔｕｒｅｃｏｍｐｅｎｓａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ（ＨＭＭ）ａｎｄｐａｒａｌｌｅｌ ｍｏｄｅｌｃｏｍｂｉｎａｔｉｏｎ（ＰＭＣ）ｉｓｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，ａＨＭＭｃｏｍｐｏｓｅｄｏｆａｎｕｍｂｅｒｏｆｓｔａｔｅｓｉｓｅｍ ｐｌｏｙｅｄｔｏｒｅｐｒｅｓｅｎｔｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｓｐｅｅｃｈｆｅａｔｕｒｅｓｏｆａｌｌｗｏｒｄｓ．Ｔｈｅｎ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｍｅａｎ ａｎｄｃｏｖａｒｉａｎｃｅｏｆｎｏｉｓｅｆｒｏｍｎｏｉｓｅｏｎｌｙｆｒａｍｅｓ，ｔｈｅｍｅａｎｖｅｃｔｏｒｓａｎｄｃｏｖａｒｉａｎｃｅｍａｔｒｉｃｅｓｏｆｔｈｅ ＨＭＭａｒｅｔｒａｎｓｆｏｒｍｅｄｔｏｔｈｅｔｅｓｔｉｎｇｃｏｎｄｉｔｉｏｎｂｙｔｈｅＰＭＣｍｅｔｈｏｄ．Ｆｉｎａｌｌｙ，ｔｈｅｐｏｓｔｅｒｉｏｒｐｒｏｂａｂｉｌｉｔｙ ｏｆＨＭＭｉｓｃｏｍｐｕｔｅｄｂｙｔｈｅｆｏｒｗａｒｄｂａｃｋｗａｒｄａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｃｏｍｐｒｅｓｓｉｏｎｏｆｔｈｅｓｔａｔｅｔｒａｎ ｓｉｔｉｏｎｍａｔｒｉｘ，ａｎｄｔｈｅｃｌｅａｎｓｐｅｅｃｈｆｅａｔｕｒｅｉｓｃａｌｃｕｌａｔｅｄｂｙｔｈｅｍｉｎｉｍｕｍｍｅａｎｓｑｕａｒｅｄｅｒｒｏｒｍｅｔｈｏｄ． Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｒｅｓｔｏｒｅｔｈｅｃｌｅａｎｓｐｅｅｃｈｆｅａｔｕｒｅｍｏｒｅ ａｃｃｕｒａｔｅｌｙａｎｄｏｕｔｐｅｒｆｏｒｍｓｔｈｅｆｅａｔｕｒｅｃｏｍｐｅｎｓａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ （ＧＭＭ）．Ｂｅｓｉｄｅｓ，ｔｈｅｓｔａｔｅｔｒａｎｓｉｔｉｏｎｍａｔｒｉｘｃｏｍｐｒｅｓｓｉｏｎｍｅｔｈｏｄｃａｎｇｒｅａｔｌｙｒｅｄｕｃｅｔｈｅｃｏｍｐｕｔａ ｔｉｏｎａｌｃｏｓｔｏｆｔｈｅｆｏｒｗａｒｄｂａｃｋｗａｒｄａｌｇｏｒｉｔｈｍｗｉｔｈｏｕｔｄｅｃｒｅａｓｉｎｇｔｈｅｃｏｍｐｅｎｓａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．