一种基于HMM的动态语音模式时间归一化方法

• 作者: 赵翊兰 邓伟
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 语音识别 隐马尔可夫模型 人工神经网络 时间归一化 全状态分段
• 年，卷（期）: 2003,（3）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 277-281
• 页数: 5页
• 分类号: TP391
• 字数: 2853字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2003.03.008

摘要

研究了利用隐马尔可夫模型(HMM)对动态语音模式进行时间归一化的方法.引入了借助于HMM对语音基元观测序列所做的一种分段,这种分段被称之为语音基元观测序列的HMM全状态分段,并且定义了HMM全状态分段的符合度.根据HMM全状态分段的符合度确定了语音基元观测序列的最优HMM全状态分段,通过最优HMM全状态分段把语音基元观测序列转换为固定维数的向量,从而实现了动态语音模式的时间归一化.将动态语音模式的这一时间归一化方法在结合HMM和人工神经网络(ANN)的混合语音识别方法中进行了应用,实验结果表明这一时间归一化方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓伟	苏州大学计算机科学与技术学院	73	313	9.0	12.0
2	赵翊兰	苏州大学计算机科学与技术学院	1	2	1.0	1.0