HMM 隐马尔科夫模型
语音是时变的信号,是一个状态转移的过程,另一个过程是特征输出。
一个语音波形序列经过分帧特征提取,得到矢量的序列Y={y1,y2…yn}
建立模型,能够自己产生Y。
短时平稳假设
特征荀烈可以分组若干段(状态),在每个状态内观察的特征是服从相同的
分布的。
隐马尔科夫模型:
1.当前状态只与前一状态有关。
2.当前状态下的输出只与当前状态有关。
随机数学
在语音识别方面:HTK http://htk.eng.cam.ac.uk/
根据观察输出函数式基础VQ、连续密度、还是二者综合,HMM分为:
离散HMM:(DHMM, Discrete HMM)
连续HMM (CDHMM, Continuous Density HMM, 简称CHMM) ;
半连续HMM (SCHMM, Semi-Continuous HMM)