论文部分内容阅读
语音信号本身是时变的与非时齐的,而经典HMM中,状态转移概率矩阵A却与时间无关。为解决这一矛盾,在A中直接加入时间信息,而考虑三种非时齐(工程中常称非平稳)隐马氏模型UHMM(Unstationaly Hidden MarkovModel):一般的离散参数UHMM1、利用最大似然分割平稳段的UHMM2、以及用非线性分块分割平稳段的连续参数的UCHMM。并建立相应的训练与识别算法,及严格的理论证明。应用到208词的汉语语音识别, 识别率较一般HMM均有提高,其中UCHMM的识别率为97.12℅(参加过训练)与89.13℅(未训练过)。(本刊录)