GMM-HMM在语音识别中的应用

1.语音识别系统的基本结构

2.涉及算法

3.GMM高斯混合模型

3.1高斯混合模型的基本概念

  高斯混合模型是指具有如下形式的概率分布模型：

$$p(y\arrowvert\theta)=\sum_{k=1}^{k}{\alpha_{k}}\phi(y\arrowvert\theta_{k})$$
其中， $\alpha_{k}$是系数， $\alpha_{k}\ge0$， $\sum_{k=1}^{k}{\alpha_{k}}=1$； $\phi(y\arrowvert\theta_{k})$是高斯分布密度， $\theta_{k}=(\mu_{k},\sigma_{k}^2)$，
$$\phi(y\arrowvert\theta_{k})=\frac{1}{\sqrt{2\pi}\sigma_{k}}exp(-\frac{{(y-\mu_{k})}^2}{2\theta_{k}^2})$$
称为第 $k$个分模型。
  将二变量的混合高斯分布可以推广到多变量的多元混合高斯分布，其联合概率密度函数可写为：

p(x)=∑k=1Mcm(2π)(D/2)|∑m|1/2exp[−12(