隱含馬爾可夫模型擴展研究及其在語音識別中的應(yīng)用.pdf

1、北京郵電大學(xué)博士學(xué)位論文隱含馬爾可夫模型擴展研究及其在語音識別中的應(yīng)用姓名：李豪政申請學(xué)位級別：博士專業(yè)：通信與信息系統(tǒng)指導(dǎo)教師：朱祥華20050220撲結(jié)構(gòu)下每個狀態(tài)的意義。本文通過利用在“正確”模型與“混淆”模型下，各狀態(tài)層變量時變特性有較大差別這一特點，來利用HlVlM狀態(tài)層信息。采用的具體方法是計算狀態(tài)層變量沿時間軌跡交叉點數(shù)，這種交叉點數(shù)在“正確”模型與“混淆”模型下有不同的分布，在識別過程加入一個后處理過程以利用這種額外的信

2、息。這種方法增加的參數(shù)與運算量都很少，但能使HMlVI的誤識率降低5％～10％。3)本文還研究了一類特特殊的序列數(shù)據(jù)建模問題。在實際中，很多觀測到的數(shù)據(jù)由多種原因或是多個因素產(chǎn)生的數(shù)據(jù)混合而成的，本文提出了用因子化高斯混合來取代高斯混合作為刪輸出密度函數(shù)，對其初始化方法，參數(shù)估計方法進行了討論。該方法有參數(shù)少、能夠反映數(shù)據(jù)產(chǎn)生原因的特點。仿真實驗顯示因子化高斯混合moⅡ能夠?qū)τ啥鄠€因素產(chǎn)生的序列數(shù)據(jù)更為恰當(dāng)?shù)慕?，將其?yīng)用于語音識別中，