HMM信道建模中齐次马氏链极限分布的矩阵分析

HMM信道建模中频繁用到状态转移概率矩阵P平稳分布求解.本文首次通过对马氏链的转移概率矩阵进行矩阵特征值分析,给出了马氏链遍历性的一个充要判别定理.最后利用这个充要条件,给出了平稳马氏链极限分布的一种矩阵特征值分解求法.

HMM方法在手语识别中的应用

ＨＭＭ在语音识别中已得到广泛应用。近年来，ＨＭＭ方法在手语识别领域越来越受到关注。本文综述了ＨＭＭ方法在该领域应用的情况，并结合中国手语及其具体特点，对ＨＭＭ方法在手语识别领域中的应用前景进行了展望。

基于DSP的语音识别系统及其结构

介绍了一种基于TM S320C 54xxDSP的语音识别系统及语音端点检测的过程,以及隐尔马柯夫模型(HMM)运用到语音识别的基本原理。最后介绍了TM S320C 54xxDSP芯片的一些特点,同时也展现了语音识别技术在今后日常生活中的前景和用途。

噪声环境下语音识别的端点检测技术

端点检测的准确性在某种程度上直接决定了整个语音识别系统的成败,没有足够准确的端点检测(尤其是起点),精密优选特征类型或识别方法的工作往往劳而无功.噪声环境下语音识别的端点检测技术利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法、基于隐马尔柯夫模型(HMM)的检测法.通过对两种宽带噪声(白噪声和汽车噪声)环境下信噪比从0dB到15dB的带噪语音信号进行的仿真实验结果表明,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有更强的适应性,更适合于实际的语音处理系统.

基于统计声学模型的单元挑选语音合成算法

提出一种基于统计声学模型的单元挑选语音合成算法.在模型训练阶段,首先提取语料库中语音数据的频谱、基频等声学参数,结合语料库中的音段和韵律标注来估计各上下文相关音素对应的统计声学模型,使用的模型结构为隐马尔柯夫模型.在合成阶段,以使目标合成句对应的声学模型具有最大的似然值输出为准则,来进行最佳合成单元的挑选,最后通过平滑连接各备选单元波形来生成合成语音.以此算法为基础,构建一个以声韵母为基本拼接单元的中文语音合成系统,并通过测听实验证明此算法相对传统算法在提高合成语音自然度上的有效性.

基于HMM的无溢出高维样本集正态归整方法

提出一种使用卡方图对高维特征向量样本集进行正态评估,并通过平方根变换处理,使样本集更接近正态分布的方法,称为无溢出正态归整方法.该方法解决高维特征样本对隐马尔柯夫模型(HMM)输出概率的溢出问题,其可行性在 CED-WYU(1.0)及 Cohn-Kanade(CMU)表情序列库上得到验证.利用连续 HMM 进行的基于光流特征的非特定人脸表情识别实验,采用正态归整得到更好的结果.