连续型隐马尔可夫模型.pdf

第32卷第1期华中师范大学学报(自然科学版)Vol.32No.1
1998年3月JOURNALOFCENTRALCHINANORMALUNIVERSITY(Nat.Sci.)Mar.1998

连续型隐马尔可夫模型
(HMM)参数与语音识别3

李四信韦岗
(华南理工大学电子与通信工程系,广州510641)

摘要提出了一种新的连续型隐马尔可夫模型(HMM)的概率密度函数,并导出了一系列的参
数寻优迭代公式,与常用的概率密度函数相比,它的运算量较小,且不易产生计算时的上溢与下溢
问题,把它用于HMM语音识别,效果较好.

关键词连续型隐马尔可夫模型(HMM);特征矢量;观察矢量序列

中图分类号TN912.3

影响隐马尔可夫模型(HMM)语音识别率的原因是多方面的,其中,用有关资料中的特征
观察矢量的连续概率密度函数,如高斯型混合密度函数,容易产生计算值的上溢或下溢问题,
影响了识别率[1,3,5].本文针对此问题进行了讨论,提出了新的连续型隐马尔可夫模型(HMM)
的概率密度函数.
根据线性预测编码(LPC)分析,对每帧语音采样数据,按照“最小均方误差”准测,求得一
组最佳预测系数,由此组数据构成的矢量能较好地反映该帧语音信号的特征,同一个词,特定
人不同时刻的发音,其LPC最佳预测系数图形具有一定的相似性,可以认为,同一个词,特定
人不同时刻的发音,其同一特性的变化服从正态分布.

图1语音识别结构

设HMM的N个状态为{S0,S1,⋯,SN-1},初始状态概率分布为:

P=[P0,P1,⋯,PN-1],

状态转移概率分布为A=(aij),其中Pi为起始时刻取第i状态的概率,aij为由第i状态转移到

第j状态的概率,在Si状态下输出特征矢量o的概率服从正态分布,对M个待识别的语音,每

收稿日期:1997204203.第一作者:男,34岁,讲师.
3国家自然科学基金、国家教育委员会博士点基金、广东省自然科学基金资助课题.
©1994-2007ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net

44华中师范大学学报(自然科学版)第32卷

一个都建立一个HMM模型参数K(i)(i=0,1,2,⋯,M-1),有关详细内容见文献[2].本文使
用的模型识别原理如图1.

1HMM概率密度函数的选择与迭代计算公式的推导

取信号采样率为8kHz,8Bit量化,取得语音信号数据序列,加汉明窗:
0.54-0.46cos(2Pnö191),n=0,1,2,⋯,191,
w(n)=
0,n为其它数时,
取24ms为一帧,共192个样本点,对它进行
三分划分,取中间64个样本点,帧移为8ms,
帧重叠为64个样本点,对中间64个样本点求
16维的自相关矢量,并进行整体归一化处理,
再求12维的LPC倒谱系数矢量,构成特征矢

量序列{ot}.设在第i状态下输出矢量o的概
率密度函数服从方差为单位阵的正态分布:
1
pi(o)=×
(2P)Dö2
1
exp-(o-Li)(o-Li)′,
2õ
图2汉明窗
其中Li为矢量o的加权中值矢量,D为观察

矢量o的维数,“′”为矢量o-Li的转置.于是连续HMM的参数为:K=(P,A,Li).如果表征语

音信号的特征矢量序列为o=(o0,o1,⋯,oT-1),记q=q0q1⋯qT-1为N个状态{S0,S1,⋯,SN-1}
的可重复排列,那么,在K下产生特征矢量序列O的概率为:

()qqq⋯qqq(0)q(1)⋯q(T-1)
pOûK=∑P0a01aT-2T-1p0op1opT-1o
q

T-1
11
qqq⋯qq(iq)(iq)′
=-DTö2∑P0a01aT-2T-1exp-∑o-Liõo-Li.
(2P)q2i=0
上式中,T一般取值在35至85之间,D一般取值在8至16之间,而和式中每一项的乘积因子
都小于1,上式的第一个因子是一个接近于0.0的数,由此可见,此因子很容易引起概率值的
下限溢出.
为了防止下溢,记
p3(OûK)=(2P)DTö2p(OûK),
于是,求P(OûK)的极大值就转化为求p3(OûK)的极大值.为了简化起见,仍把p3(OûK)记为
p(OûK),并且,把上面的概率密度函数改写成:
1
pi(o)=exp-(o-Li)(o-Li)′,
2õ
可以证明,这样处理,除了概率值放大(2P)DTö2倍以外,HMM参数K保持不变,限于篇幅略去
其证明,于是有:
T-1
1
()qqq⋯qq(iq)(iq)′
pOûK=∑P0a01aT-2T-1exp-∑o-Liõo-Li.
q2i=0
记
©1994-2007ChinaAcademicJo