基于连续隐马尔科夫模型的语音识别

摘要

语音识别系统中最重要的部分就是声学模型的建立，隐马尔可夫模型作为语音信号的一种统计模型，由于它能够很好地描述语音信号的非平稳性和时变性，因此在语音识别领域有着广泛的应用。

隐马尔可夫过程是一个双重随机过程:一重随机过程用于描述非平稳信号中短时平稳段的统计特征;另一重随机过程描述了每个短时平稳段如何转变到下一个短时平稳段，即短时统计特征的动态特性。

为了能够对HMM有一个全面的认识并能够将其应用于解决实际问题当中，本文介绍了HMM的基本理论以及其如何将其应用于语音识别中，在解决HMM的三个基本问题以后，还谈论了在具体应用时需要考虑的其他问题，如初始模型参数的选取、数据下溢、HMM之间距离的度量等等，并给出了相应的解决方法。

这个语音识别系统是用HMM模型来实现的，用HMM来做语音识别的识别率是很高的，其中用到了HMM的三个算法。

 

关键词：语音识别，HMM

ABSTRACT

......

目    录

摘要       ---------------------------------------------------------------------------2

ABSTRACT  ------------------------------------------------------------------------2

绪论       ---------------------------------------------------------------------------3

第一章 语音知识基础---------------------------------------------------------------6

第一节 语音识别的基本内容-------------------------------------------6

第二节 语音识别的实现难点-------------------------------------------9

第二章 HMM的理论基础--------------------------------------------------------10

HMM的定义----------------------------------------------------10

隐马尔科夫模型的数学描述---------------------------------10

HMM的类型----------------------------------------------------12

HMM的三个基本问题和解决的方 -----------------------15

第三章HMM算法实现的问题   ----------------------------------------------21

第一节HMM状态类型及参数B的 选择---------------------------21

第二节HMM训练时需要解决的问题  -----------------------------23

第四章 语音识别系统的设计 ---------------------------------------------------32

       第一节 语音识别系统的开发环境-----------------------------------32

       第二节 基于HMM的语音识别系统的设计------------------------32

       第三节 实验结果---------------------------------------------------------49

第五章 结束语  -------------------------------------------------------------------67

致谢    ------------------------------------------------------------------------------68

参考文献    ------------------------------------------------------------------------69