gmm中隐变量是什么的_浅谈MFCC/HMM/GMM/EM/LM

GMM和HMM

虽然都是MM，但这两个MM其实没啥关系。

GMM(Gaussian Mixture Model)混合高斯模型，就是一堆不同分布的高斯模型按一定比例组合在一起，用来对特征进行分类；

HMM(Hidden Markov Model)是隐马尔可夫模型，用来对序列进行建模，从一个观测序列，推出对应的状态序列，也就是“由果找因”。这里的“因”一般是隐藏的，无法简单的看出来的(除非你有透视眼)，所以叫Hidden，潜变量、隐变量也都是这个意思。

训练和解码

以孤立词为例(单独的one，two这种)，不涉及上下文。训练是干嘛？建模型啊。先来一堆已经配对好的CP(训练数据)，用它来建立模型(HMM-GMM模型)。参数定下来以后，收到未知的音频，扔到刚才这个模型里面，算算算，最后就吐出来一个结果“two”，这就是解码。这就是一个迷你的语音识别的系统，简单吧？

单音素和三音素

理解了孤立词训练和解码，我们再稍微加点难度。世界上有那么多词，一个个训练，那模型该有多大啊，肯定不实用。小时候我们是怎么学语文英语的？对了，先学拼音和音标啊，学好了发音才能准啊。这时候音素就派上用场了。比如one，分成W--AA--N，这样每个音素(Phone)再去单独建模，就更好用了。训练好了模型，丢进去解码，和上面孤立词也是类似的。

但是发音不是这么简单的一个字一个字吐的，还和上下文(Context)有关系，每个音素要考虑前一个和后一个的影响，所以就有了三音素(Triphone)。DNN-HMM

上面提到分类，那我们自然就想到DNN(Deep Neural Networks)深度神经网络。它也是一个功能十分强大的分类神器，我们完全可以用它来替换前面用来分类的GMM。于是就有了DNN-HMM。看起来也没有那么难，对吧？

整理一下