一种基于SDTS的HMM训练算法

摘要：

用传统的BW算法训练语音识别系统的HMM需要大量的语音数据.本文在假设声学模型系统的子空间捆绑结构(SDTS)为已知的前提下,提出了一种新的训练算法,可以有效地减少系统对训练数据的需求.理论分析和仿真表明,与传统的BW算法比较,新的训练算法(IBW)可压缩模型参数15倍,从而可大量地减少训练数据.尽管新算法要用到系统的先验知识,但它还是显示了许多优越性.

关键词：隐马尔可夫模型、Baum-Welch算法、子空间捆绑结构、训练

所属期刊栏目：19

分类号：O42(声学)

在线出版日期：2007-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：40-43