隐Markov模型中状态停留时间的模型化

摘要：

在用传统的HMM (THMM)刻画现实中的语音时有一个显然的缺点,那便是它不能合适地表征语音信号的时域结构.本文采用依赖于时间的状态转移概率来模型化状态停留时间,修改后的模型称为MHMM.对于参加过训练的说话人,THMM和MHMM的正识率基本上差不多.而对于未参加过训练的说话人,MHMM的正识率明显高于THMM的正识率.也就是说,MHMM对于说话人的适应性要好于THMM.原因在于MHMM更多地包含了发音时音素间的跳转信息.

关键词：连续隐马尔可夫模型、半马尔可夫链、状态停留时间

所属期刊栏目：39

分类号：TP391.42(计算技术、计算机技术)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：97-100