隐含马尔可夫模型扩展研究及其在语音识别中的应用

《隐含马尔可夫模型扩展研究及其在语音识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、北京邮电大学博士学位论文摘要隐含马尔可夫模型(HiddenMarkovModel瑚VrM)是一种处理序列数据的统计模型，在语音识别，手写体识别，分子生物学，经济分析等领域都有广泛应用，其中在语音识别领域应用最为成功，现在世界上绝大部分的语音识别系统大都建立在HMM基础之上的。但是，HMM理论本身还远末完善，有许多待改进的地方。本文针对I-IMIVl的不足，主要从以下几个方面对HMM进行改进：11HMM中最主要的缺陷是观测矢量间的条件独立性假设，即假设给定对应状态后，各观测矢量间相互独立。在这种假设下，当前观测矢量的上下文用当前状态来表达，观测矢量间的依赖关系完

2、全由位于底层的马尔可夫过程状态间的依赖关系来表达。在实际应用中，由于各方面的限制(如计算量、训练数据量等)，需要作一系列的简化，这时，HMM状态表达能力有限，并不能完全表达上下文中的信息。解决这个问题的传统方法是在观测数据间加入额外的依赖关系，以弥补状态表达能力的不足。GFHMM(GeneralizedFuzzyHiddenMarkovModel)是HMM的一种扩展，它放松经典HMM中概率测度间的可加性约束，从而减弱了HM条件独立性假设。该方法是一种与传统改进方法完全不同的改进方法，它将模糊积分与模糊测度引入到HMM中，在不增加任何参数的情况下，可以提高HMM

3、的性能，但它引入模糊积分与模糊测度等非线性操作，导致参数训练公式不容易推导，很难在原有GFHMM理论框架中进一步扩展以充分利用引入模糊积分与模糊测度的优点。本文建立了GFHMM与概率理论框架下的IOHMM(Input]OutputHiddenMarkovModel)l'司的部分统一性。从IOHMM的角度出发，可以较容易对GFHMM进行扩充，使传统解决方法与GFHMM所采用的方法结合起来，充分利用二者的优点。在这种部分统一视点基础之上，提出一种称之为万一IOHIVIM的模型，它用占序列取代GFHMM中使用的口序列作为IOHMM的输入序列，使模型更适于实现Vite

4、rbi算法。此外，在这种部分统一视点基础之上，还提出了一种模糊条件输出IOI-IMM，它结合了GFHMM与传统加入额外依赖关系方法的优点，使观测矢量间条件独立性假设得到改善。2)本文还利用HMM的状态层信息来改进HMM。因目前大多数HMM应用都是根据经验事先指定HMM的拓扑结构，其每一个状态都代表一定的实际意义。通常的识别方法选取使观测矢量序列具有最大似然值的模型作为识别结果的模型，这种方法并没有考虑在给定拓n扑结构下每个状态的意义。本文通过利用在“正确”模型与“混淆”模型下，各状态层变量时变特性有较大差别这一特点，来利用HlVlM状态层信息。采用的具体方法是

5、计算状态层变量沿时间轨迹交叉点数，这种交叉点数在“正确”模型与“混淆”模型下有不同的分布，在识别过程加入一个后处理过程以利用这种额外的信息。这种方法增加的参数与运算量都很少，但能使HMlVI的误识率降低5％～10％。3)本文还研究了一类特特殊的序列数据建模问题。在实际中，很多观测到的数据由多种原因或是多个因素产生的数据混合而成的，本文提出了用因子化高斯混合来取代高斯混合作为删输出密度函数，对其初始化方法，参数估计方法进行了讨论。该方法有参数少、能够反映数据产生原因的特点。仿真实验显示因子化高斯混合moⅡ能够对由多个因素产生的序列数据更为恰当的建模，将其应用于语

6、音识别中，可以减轻由于训练数据不足而导致的过匹配问题。关键词：隐含马尔可夫模型；模糊测度；模糊积分；条件独立假设；m孙4状态层信息；状态后验概率；当前状态概率；高斯混合模型因子化高斯混合模型；北京邮电大学博士学位论文AbstractHM玉Is(HiddenMarkovModels)areatypeofstatisticalmodelthatcanbeusedtomodelsequentiMdataeffectivelyandhavebeenappliedtoa、Ⅳiderangeoffieldsuchasspeechrecognition，handwritin

7、grecognition，molecularbiology,economicanalysis．HMMsaremostsuccessfulinspeechrecognitionandnowalmostallthestate—of-the—artautomaticspeechrecognitionsystemsintheworldarebasedonHMMs．However,thetheoryofHMMisfarfromcompleteandneedsfurtherresearchwork．ThisthesisaimstoinvestigatingHMMinfol

8、lowingaspect：1Oneof