基于分段模型的幀間相關(guān)性建模研究.pdf

1、該文在隨機分段模型的框架之下,對語音識別中的幀間相關(guān)性建模方法進行了深入的研究.主要工作包括:(1)分析了隨機分段模型的建模思想,重點研究了基于分段的線性動態(tài)系統(tǒng)聲學模型.隨機分段模型在建模階段能夠充分利用特征之間的動態(tài)特性,其對語音信號的數(shù)學描述比起HMM來也更顯精確.另外,通過大量的實驗研究發(fā)現(xiàn),語音幀間的依賴關(guān)系可以用線性模型來描述.基于這兩方面考慮,線性動態(tài)系統(tǒng)分段聲學模型可以更好地描述語音信號.(2)實現(xiàn)了線性系統(tǒng)辨識EM算法

2、,提出了一種基于統(tǒng)計分析的算法初始化方法.EM算法是一種很有效的最大似然估計方法.但是,它最大的不足就是收斂速度太慢.加快收斂速度的最直接的方法就是解決算法的初值問題.該文提出的算法初始化方法加快了算法收斂速度,且能保證算法數(shù)值穩(wěn)定.(3)提出了在分段時間歸整后再進行軌跡平滑和根據(jù)上下文信息用多個模型為一個音節(jié)構(gòu)建兩個思想.軌跡平滑體現(xiàn)了線性動態(tài)系統(tǒng)的軌跡建模思想.通過考慮音節(jié)的上下文信息可以為音節(jié)建立更精確的數(shù)學模型.實驗結(jié)果表明,將