音素隐马尔可夫模型的训练及分布共享  

Training and SharedDistribution of Phone HMM

作　　者：许晓斌[1] 林碧琴[1] 陈芳 傅秋良 袁保宗[1] 

机构地区：[1]北方交通大学电子信息工程学院

出　　处：《北方交通大学学报》1998年第3期11-16,共6页Journal of Northern Jiaotong University

基　　金：国家自然科学基金

摘　　要：在语音识别中，为了得到分布共享的异音模型，先要知道与发音语境无关的音素模型．在本文中，给出一种用于训练与发音语境无关音素模型的方法，然后利用这种音素模型完成对异音模型的训练、以及对异音模型的输出分布的二值决策树聚类．实验结果表明，使用给出的方法，可以实现对与发音语境的无关音素模型，以及异音模型的可靠训练．Before training distributionshared allophone models for continuous speech recognition,it is contextindependent phone models that have to be trained. In this paper we present a method we use to train contextindependent phone models.On the basis of trained contextindependent phone models,the training of allophone models and the output distributions generalizing of allophone models using binary decision trees can be accomplished. The experiment results indicate that the training of contextindependent phone models and of allophone models are reliable using this method.

关 键 词：音素模型 分布共享 语音识别 隐马尔可夫模型 

分 类 号：TN912.34[电子电信—通信与信息系统]