基于隐马尔可夫模型与并行模型组合的特征补偿算法

摘要：

提出了一种基于隐马尔可夫模型和并行模型组合的特征补偿算法.首先,利用一个包含较多状态的隐马尔可夫模型来描述全部单词特征向量的分布.然后,根据静音段估计的噪声均值和方差,采用并行模型组合方法调整隐马尔可夫模型的均值向量和协方差矩阵,使之与识别环境相匹配.最后,根据基于状态转移矩阵压缩的前向后向算法计算隐马尔可夫模型的后验概率,并通过最小均方误差准则估计纯净语音特征向量.实验结果表明,该算法能够更加准确地估计纯净语音特征向量,其性能明显优于基于高斯混合模型的特征补偿算法;状态转移矩阵压缩算法可以在不影响补偿精度的前提下,显著减少前向后向算法的计算量.

关键词：语音识别、特征补偿、隐马尔可夫模型、并行模型组合

所属期刊栏目：39

分类号：TN912.34

资助基金：国家重大基础研究发展计划973计划资助项目2002CB312102;国家自然科学基金资助项目60672094

在线出版日期：2010-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：889-893