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）