语音识别中声学模型训练过程-GMM（一）

在上一章语音识别过程中提到的P(O|W )称做观测最大释然，由声学模型计算可得，本章就主要描述HMM+GMM来计算最大释然的过程。

首先回顾一下：在解码过程中

P(O|W )由声学模型训练得到，

P(O|W )是W的似然函数，结合之前讲述的声学特征也就是说，在给定的W情况，使得当前的特征向量（MFCC）的概率最大，结合HMM的概念，也就是说在在t时刻给定状态qi 的前提下，求输出O的概率，即p(ot|qi) ，即矩阵B，状态对应的是word，phone或者subphone，在LVCSR中对应的是subphone

在解码阶段，在固定观测向量ot 的前提下，我们需要计算每一个HMM状态可能产生的概率，然后找到最大可能的状态（subphone）序列，所以训练过程就是计算观测似然矩阵B的过程。

理想的方式计算MFCC的时候，可以把输入的帧映射为一些离散的量化符号方便计算，如下图所示