非凸段长分布隐含Markov模型的搜索算法  

Hidden Markov model search algorithm for non-convex duration distributions

作　　者：吴及[1] 肖熙[1] 许琳[1] 王作英[1] 

机构地区：[1]清华大学电子工程系,北京100084

出　　处：《清华大学学报（自然科学版）》2005年第7期924-927,共4页Journal of Tsinghua University(Science and Technology)

基　　金：国家"八六三"高技术项目(2001AA114071)

摘　　要：基于段长分布的隐含Markov模型(DDBHMM)可解决经典隐含Markov模型(HMM)的状态段长指数分布的问题,实现了基于凸性假设的搜索。为解决非齐次模型的搜索算法问题,提出采用混合Gauss分布来拟合非凸段长分布,用子状态拆分的方法来实现非凸段长分布DDBHMM识别算法。在音乐信号识别上的实验表明:该方法在召回率提高1.1%的情况下,使准确率提高约10%。该方法实现了非凸段长分布HMM的识别算法,并且对于其他非凸段长信号具有推广价值。A duration distribution-based hidden Markov model （DDBHMM） was developed to replace the exponential duration distribution limitations of classical hidden Markov model （HMM） for non-convex signals. The search algorithm initially developed for convex duration distributions actually identifies non convex duration distributions. The gaussian mixture density （GMD） algorithm is used to simulate the non convex duration distribution, with the search algorithm using sub-state combination. Music signal recognition tests show a 10% percent precision improvement with 1.1% recall ratio improvement. Therefore, this is an effective model and search algorithm for non-convex duration distribution HMM which can be extended to other non-convex signals.

关 键 词：语音识别 隐含马尔可夫模型 非凸性段长分布 

分 类 号：TN912.34[电子电信—通信与信息系统]