实验报告_基于gmm-hmm的语音识别

《实验报告_基于gmm-hmm的语音识别》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、.多媒体技术实验报告——基于GMM-HMM的语音识别姓名：学号：2015年5月24日...目录——基于GMM-HMM的语音识别1一、马尔科夫初步概念理解2(一)两个重要的图2(二)问题：马尔科夫的开始状态如何确定？3二、马尔科夫的三种问题，以及解法3(一)解码，3解法一：最大似然路径3解法二:Viterbialgorithm3(二)已知A，B，根据骰子掷出的结果，求出掷出这个结果的概率（模型检验）5解法一：穷举5解法二：前向算法5(三)知道骰子状态有几种，不知道A，知道B，观察到很多次投骰子的结果

2、（可见状态链），我想反推出A。5三、HMM算法使用条件5(一)隐性状态的转移必须满足马尔可夫性5(二)隐性状态必须能够大概被估计。5四、EM算法GMM（高斯混合模型）。6(一)单高斯分布模型GSM7(三)样本分类已知情况下的GMM8(四)样本分类未知情况下的GMM8五、HMM-GMM模型在语音识别中的应用10...(一)语言识别的过程10(二)其中HMM与GMM的作用11六、实验结果11(一)代码阅读以及注释11(二)实验结果对比11(三)与DTW结果对比12(四)实验感想与收获12(五)困难与改

3、进12...一、马尔科夫初步概念理解(一)两个重要的图...(一)问题：马尔科夫的开始状态如何确定？一、马尔科夫的三种问题，以及解法(一)解码，已知A，B（隐含状态的数量以及转换概率以及B），根据掷骰子掷出的结果（可见状态链），想知道每次掷出来的都是哪种骰子（隐含状态链）解法一：最大似然路径Ø基本思想：求一串骰子序列，这串骰子序列产生观测结果的概率最大Ø算法：穷举解法二:Viterbialgorithm，求出每次掷出的骰子分别是某种骰子的概率Ø基本思想：...Ø算法:类似于动态规划；：...(一)

4、已知A，B，根据骰子掷出的结果，求出掷出这个结果的概率（模型检验）解法一：穷举Ø思想：穷举所有骰子序列（），计算每个骰子序列对应的概率,然后把这些概率相加Ø算法：呵呵解法二：前向算法Ø基本思想：结果递推，有点像动态规划，就是一步一步往后算，通过前向算法，算出概率加和，其中要用到A和B(二)知道骰子状态有几种，不知道A，知道B，观察到很多次投骰子的结果（可见状态链），我想反推出A。一、HMM算法使用条件但是使用HMM进行建模的问题，必须满足以下条件,(一)隐性状态的转移必须满足马尔可夫性。(状态转移

5、的马尔可夫性:一个状态只与前一个状态有关)...(一)隐性状态必须能够大概被估计。在满足条件的情况下,确定问题中的隐性状态是什么,隐性状态的表现可能又有哪些.HMM适用于的问题在于，真正的状态(隐态)难以被估计，而状态与状态之间又存在联系。一、EM算法GMM（高斯混合模型）。聚类的方法有很多种，k-means要数最简单的一种聚类方法了，其大致思想就是把数据分为多个堆，每个堆就是一类。每个堆都有一个聚类中心（学习的结果就是获得这k个聚类中心），这个中心就是这个类中所有数据的均值，而这个堆中所有的点到

6、该类的聚类中心都小于到其他类的聚类中心（分类的过程就是将未知数据对这k个聚类中心进行比较的过程，离谁近就是谁）。其实k-means算的上最直观、最方便理解的一种聚类方式了，原则就是把最像的数据分在一起，而“像”这个定义由我们来完成，比如说欧式距离的最小，等等。想对k-means的具体算法过程了解的话，请看这里。而在这篇博文里，我要介绍的是另外一种比较流行的聚类方法----GMM（GaussianMixtureModel）。  GMM和k-means其实是十分相似的，区别仅仅在于对GMM来说，我们引

7、入了概率。说到这里，我想先补充一点东西。统计学习的模型有两种，一种是概率模型，一种是非概率模型。所谓概率模型，就是指我们要学习的模型的形式是P(Y

8、X)，这样在分类的过程中，我们通过未知数据X可以获得Y取值的一个概率分布，也就是训练后模型得到的输出不是一个具体的值，而是一系列值的概率（对应于分类问题来说，就是对应于各个不同的类的概率），然后我们可以选取概率最大的那个类作为判决对象（算软分类softassignment）。而非概率模型，就是指我们学习的模型是一个决策函数Y=f(X)，输入数据X是多少

9、就可以投影得到唯一的一个Y，就是判决结果（算硬分类hardassignment）。回到GMM，学习的过程就是训练出几个概率分布，所谓混合高斯模型就是指对样本的概率密度分布进行估计，而估计的模型是几个高斯模型加权之和（具体是几个要在模型训练前建立好）。每个高斯模型就代表了一个类（一个Cluster）。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类所为判决结果。... 得到概率有什么好处呢？我们知道人很聪明，就是在于我们会用各种不同的