基于改进的隐马尔科夫模型的语音识别方法.pdf

第39卷第6期中南大学学报(自然科学版)Vol.39No.6
2008年12月J.Cent.SouthUniv.(ScienceandTechnology)Dec.2008

基于改进的隐马尔科夫模型的语音识别方法

袁里驰1,2

(1.中南大学信息科学与工程学院，湖南长沙，410083；
2.江西财经大学信息管理学院，江西南昌，330013)

摘要：针对隐马尔可夫(HMM)语音识别模型状态输出独立同分布等与语音实际特性不够协调的假设以及在使用
段长信息时存在的缺陷，对隐马尔可夫模型进行改进，提出马尔可夫族模型。马尔可夫族模型可看作一个数学上
由多个马尔可夫链构成的多重随机过程，HMM模型则是双重随机过程，因而，HMM模型可视为马尔可夫族模
型的特例。马尔可夫族模型用条件独立性假设取代了HMM模型的独立性假设。相对条件独立性假设，独立性假
设是过强假设，因而，基于马尔可夫族模型的语音模型更符合语音实际物理过程。在马尔可夫族语音识别模型中
引入状态段长信息，能自动根据语速对语音单元段长进行调整。非特定人连续语音实验结果表明，利用状态段长
信息的改进语音识别模型比经典HMM模型的性能明显提高。
关键词：隐马尔可夫模型；马尔可夫族模型；段长；语音识别
中图分类号：TN912.34文献标识码：A文章编号：1672−7207(2008)06−1303−06

Aspeechrecognitionmethodbasedon
improvedhiddenMarkovmodel

YUANLi-chi1,2

(1.SchoolofInformationScienceandEngineering,CentralSouthUniversity,Changsha410083,China;
2.SchoolofInformationTechnology,JiangxiUniversityofFinance&Economics,Nanchang330013,China)

Abstract:InordertoovercomethedefectsofthedurationmodelingofhomogeneoushiddenMarkovmodel(HMM)in
speechrecognitionandtheunrealisticassumptionthatsuccessiveobservationsareindependentandidentically
distributionwithinastate,Markovfamilymodel(MFM)wasproposed.InthespeechrecognitionmodelbasedonHMM,
thetime-sequencestructureofspeechsignalwasconsideredtobeadoublestochasticprocess,whileMarkovfamily
modelwasamultiplestochasticprocesswhichconsistsofafewMarkovchains,soHMMcouldbeconsideredtobea
specialcaseofMFM.Moreover,independenceassumptioninHMMwasplacedbyconditionalindependenceassumption
inMFM,andfromtheviewofthestatistics,theassumptionofindependenceisstrongerthanthatofconditional
independence,sospeechrecognitionmodelbasedonMFMismorerealisticthanHMMrecognitionmode.Markov
Familymodelwasappliedtospeechrecognition,anddurationdistributionbasedMFMrecognitionmodewhichtakes
durationdistributionintoaccountandintegratestheframeandsegmentbasedacousticmodelingtechniques,was
proposed.Thespeakerindependentcontinuousspeechrecognitionexperimentsshowthatthisnewrecognitionmodelhas
betterperformancethanstandardHMMrecognitionmodels.
Keywords:hiddenMarkovmodel;Markovfamil