文档介绍：第32卷第1期华中师范大学学报(自然科学版) Vo]. 1998年3月 JOURNALOFCENTRALCHINAN0RMALUNIVERSITY(.) Mar1998 (HMM)参数与语音识别李四信韦崩丁 2、(华南理工大学电子与通信工程系,广州510641) 摘要提出丁一种新的连续型隐马尔可夫模型(HMIvI)的概率密度函数,并导出了系列的参数寻优选代公式,与常用的概率密度函数相比,它的运算量较小,,效果较好. 关键词中图分重堇堕呈堡查坚型(HMM);芝墨曼!观察矢量序列类号 2,’o~12 影响隐马尔可夫模型(HMM)语音识别率的原因是多方面的,,容易产生计算值的上溢或下溢问题, 影响了识别率,3,(HMM) 的概率密度函数. 根据线性预测编码(LPC)。最小均方误差准测,求得一组最佳预测系数,由此组数据构成的矢量能较好地反映该帧语音信号的特征,,其LPC最佳预测系数图形具有一定的相似性、可以认为,同一个词,Ⅳ个状态为。,S,?. h初始状态概率分布为: [,/r1.?.一1]. 状态转移概率分布为A=(%).其中为起始时刻取第i状态的概率为由第状态转移到第J状态的概率,,:199704O3第一作者:男,34岁,讲师. *国家自然科学基金、国家教育委员会博士点基金广东省自然科学基盘资助诨题维普资讯 华中师范大学学报(自然科学版) 第32卷个都建立一个HMM模型参数^(=0,1,2,?,"一1),有关详细内容见文献E2].本文使用的模型识别原理如图l_ 1HMM概率密度函数的选择与迭代计算公式的推导取信号采样率为8kHz,8Bit量化,取得语音信号数据序列,加汉明窗: 『—(2nn门91). =0,,?.191. t()==l0, H为其它数时, 取24Fns为一帻,共192个样本点,对它进行三分划分,取中间64个样本,帧移为8Fns, 帧重叠为64个样本点,对中问64个样本点求 16维的自相关矢量,并进行整体归一化处理, 再求12维的LPC倒谱系数矢量,: 1 户c(。)一 x exp一{(o一“)·(o一“)1. 其中“为矢量0的加权中值矢量,D为观察围2汉明窗矢量0的维数,“。”为矢量口一¨:=(,A,).如果表征语音信号的特征矢量序列为0一(口n,01,?,0T一),记q一田】?qT一:为Ⅳ个状态{S。,S1,?·5Ⅳ一-} 的可重复排列,那么,在^下产生特征矢量序列0的概率为: p(OI^)一∑。“州?d:.户()户(。1)?P¨丁_.(oT一1) = 一 a%'q*"~tqr!~Texp[一{ 川一川]. 上式中,一般取值在35至85之间,D一般取值在8至16之间.