语音识别中的归一化状态持续时间隐马尔可夫模型

• 作者: 王可 王翠梅
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐马尔可夫模型 适应性 归一化状态持续时间 语音识别
• 年，卷（期）: 1999,（5）
• 页码范围: 857-863
• 分类号: TP391.42
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.1999.05.010

摘要

传统的隐马尔可夫模型的缺点在于不能很好地描述语音信号的动态特性.某些改进算法引入状态持续时间进行修正,但是也削弱了对实时信号长度变化的适应性.作者在传统的隐马尔夫模型的基础上,通过在引入状态持续时间时,将其归一化,并观察序列长度对它的影响,使之能较好地描述语音信号的动态特性,同时也能较好地自适应描述实时语音信号的长度变化.讨论了具体的算法,并给出了实验数据.结果表明,采用归一化状态持续时间隐马尔可夫模型的语音识别系统能较好地改善传统的隐马尔可夫模型在动态特性方面的不足.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王可	四川大学无线电系	47	266	10.0	13.0
2	王翠梅	西南民族学院计算机科学系	2	6	2.0	2.0