一种基于HMM的动态语音模式时间归一化方法

研究了利用隐马尔可夫模型 (HMM)对动态语音模式进行时间归一化的方法。引入了借助于 HMM对语音基元观测序列所做的一种分段 ,这种分段被称之为语音基元观测序列的 HMM全状态分段 ,并且定义了 HMM全状态分段的符合度。根据 HMM全状态分段的符合度确定了语音基元观测序列的最优 HMM全状态分段 ,通过最优 HMM全状态分段把语音基元观测序列转换为固定维数的向量 ,从而实现了动态语音模式的时间归一化。将动态语音模式的这一时间归一化方法在结合 HMM和人工神经网络 (ANN)的混合语音识别方法中进行了应用 ,实验结果表明这一时间归一化方法的有效性。

江淮气旋相似天气预报系统

用 C语言编制的计算机程序对江淮气旋制作相似预报自动化系统 ,并统计了大样本历史资料 ,选取了风雨预报因子 ,用 PP法建立回归方程 ,然后建立订正方程。同时建立历史图像显示系统 ,充分发挥了计算机的作用 ,把数值预报和大样本历史资料紧密结合。