使用欄位間相關連的半馬可夫模式之國語音節辨認

Abstract

在本論文中，我們提出了一個新的半隱藏式馬可夫模式 (HSMM) 的語音辨認方法。 它和傳統的半隱藏式馬可夫模式 (HSMM) 的不同點在于加入了連續欄位的相互關係 于每個狀態特徵函數的模組中。現在，一個狀態的特徵向量序列是用一連串的期望 值相關連的高斯分佈來模組。對于每一個特徵單位，我們使用一條用正交展開 ( orthogonal expansion) 得到的平滑曲線來模組其狀態的高斯分佈的期望值函數。 在關念上，這些平滑的期望值函數可當做代表這個狀態語音段的參考標準值，而其 差值是不同的語音或發音情況的變化量。此方法之使用度已被408 個語音節，多語 者的辨認模擬確認。實驗結果顯示，新方法在辨認的正確率上比傳統的HSMM好 5﹪ 。