HMM在语音识别中的应用

a11 A= ⋮ ai1 (4)
⋯ ⋱ ⋯
a1j ⋮ aij
B—状态的观测符号概率分布。
B {b j (Ok )}, b j (Ok ) P[在t时刻的输出符号为Ok | qt S j ] 1 j N ,1 k M
b11 B= ⋮ bj1 (5) —初始状态分布。
⋯ ⋱ ⋯
例如：
你 你
太 台
暴 暴
躁 躁
了 了
}
你太暴躁了
P(你太暴躁了)=P(你太暴)*P（太暴躁）*P（暴躁了） 最大概率为识别的最终结果。 5. 语音识别中的模型 A.语音模型（引擎） 采用声母、韵母作为声学单元，原因：汉语的一个音节是由声母加韵母 组成的，且声韵母相对比较稳定，模型数目较少，模型共享性好，训练和识 别的计算量都比以音节为单元要少得多。（声母 22 个，韵母 38 个，共计 60 个，无调音节 408 个，有调音节约 1300 个）。 由于语音普遍存在着协同发音现象，因此很多语音识别系统都采用上下 文相关的声学建模方法。同时考虑前一音和后一音的影响的成为三音子。在 连续语音识别系统中，考虑到词跟词之间的协同发音，又有词内和词间之分， 通常三音子（triphone）的建模可以分为词内建模和跨词建模。 B.语言模型（模型） 作用：利用语言文法等信息来提高识别精度，在语音识别系统中利用是通过 语言模型来反馈最终的识别结果。 语言模型、词典模型、声学（语音）模型的关系
识别：将输入的语音信号特征与存在的声学模型库（HMM）进行比较，找出一 系列最优的与输入的语言相匹配的模型。然后，根据此模型定义的规则，通 过搜索就可以给出计算机的识别结果。 1. 语音信号预处理与特征提取 2. 声学模型与模式匹配 3. 语言模型与语言处理
3. 隐马尔可夫(HMM)模型
HMM 是一个数学模型，用一堆数学符号和参数表示，包括隐藏状态集合 S、 观察符号集合 O、初始概率向量 , 状态转移概率矩阵 A，观测符号概率矩阵 B。 (1) (2)
N—模型的隐藏状态数目，隐藏状态的集合表示为 S
{S1 , S 2 ,...S N }
M—观测符号数，即每个状态可能输出的观测符号的数目。
观测符号集合表示为
O {O1 , O2 ,...OM }
(3)
A—状态转移概率分布，状态转移概率构成的矩阵为
A {aij}, aij P[qt 1 S j | qt Si ],1 i, j N
B.分词的应用：
一个句子 S 有三种分词方法： A1 , A2 …Ak ;B1 , B2 …Bm ;C1 , C2 …Cn ， 概率满足 P(A)> P(B)并且 P(A) >P(B) ，则 A 为最好的分词方式。 可以把它看成一个动态规划问题，利用 Viterbi 算法快速地找到最佳分词。 动态规划：把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系， 逐个求解。
t 1( j ) [ t (i)a ij ]b j (Ot 1 )， 1 t T 1； 1 j N
i 1 N
(3) 最后计算
P(O | ) T (i )
i 1 N
其中
aij
为状态转移矩阵中的元素，
b j (Ot )
为观测符号矩阵中的元素。
同理可以进行向后算法的计算。 （二）后向算法 同理，可以类似地定义后向变量： t (i) P(Ot 1 , Ot 2 ,..., OT ; qt Si | ) 即在给定模型 号序列
6. 运用 HMM 处理问题
A.应用于识别率测试分析 例如： id: (016_000066) Scores: (#C #S #D #I) 5 1 0 0 REF: 来 一 则 笑 话 吧 HYP: 来 一 个 笑 话 吧 Eval: S
了解 HMM 识别的过程是根据前一个字出现后一个字的概率最大的结果输出。 返回语法.txt 文件进行查看，“一则”的分词结果：‘一/则’，“一个”的 分词结果：‘一个’，故建议对分词进行修改，添加‘一则’分词。
i 1
N
Nቤተ መጻሕፍቲ ባይዱ
(3) 最后计算
P(O | ) 1 (i )
i 1
2.Viterbi 算法。求取伴随给定观测序列产生的最佳状态序列。这一最佳判据， 目的就是要使正确的状态数目的期望值最大，用于模型细调。 (1) 初始化
C.词性标注的应用： 可以将词性标记序列作为隐藏状态 (S), 而把句子中的单词作为观察符号 (O) ，建 立 HMM 模型。 训练语料已经做好了标注，只需要计数就可以完成 HMM 各个模型参数的统 计，如标记间的状态转移概率可以通过如下公式求出： P（Ti|Tj) = C(Tj,Tk)/C(Tj) 而每个状态（标记）随对应的符号（单词）的发射概率可由下式求出： P（Wm|Tj) = C(Wm,Tj)/C(Tj) 句子中的每一个单词 W，词类类别 T（动词、名词等） C 代表的是其括号内因子在语料库中的计数
7. HMM 的三个基本算法
简述——3 个问题 问题一（向前-向后算法） 解决模型评估问题，即已知模型和一个观测序列，怎样来评估这个模型（它 与给定序列匹配得如何），或怎样给模型打分，这个问题通常被称为“前向后向”的算法解决。 问题二（Viterbi 算法） 这个问题是求取伴随给定观测序列产生的最佳状态序列。这一最佳判据，目 的就是要使正确的状态数目的期望值最大。它通常用 Viterbi 算法解决，用 于模型细调。 问题三（Baum-Welch 算法） 这个问题是调整模型参数
HMM 在语音识别中的应用
1. 语音识别技术基础与应用
消费电子 机器人 系统查询 电话拨号 语音导航
实际应用
语音识别
科学技术
声学
信息论
语言学
信号处 理
人工智 能
模式识 别
数理统 计
2. 隐马尔可夫(HMM)语音识别的过程
训练：语音信号的特征被提取出来，首先在此基础上建立所需的声学模型库， 这个建立声学模型的过程称为训练过程。
语言模型 例如：语言 词典模型 从词典文件中获得发音列表：Yu Yan
声学模型
……
分类：统计语言模型和规则语言模型
统计语言模型： 一个有意义的句子(S)由一连串特定排列的词(w1 , w2 , w3 ……wn )组成， n 是句子 长度，现在想知道 S 在文本中出现的可能性，即 S 的概率。 运用马尔可夫假设，假设任意一个词 wi ,出现的概率之与它前面的词| wi − 1 有关。 统计语言模型二元模型公式： P(S)=P( w1 )*P( w2 |w1 )* P( w3 |w2 )… P(wi |wi −1 )… P(wn |wn −1 ) 备注：如果假设一个词与前 2 个词出现概率有关，则为三元模型。
4. 语音识别的两个过程
A.HMM 语音识别——训练过程
已知提取特征为观察状态 S，识别的结果为隐藏状态 O，求模型初始状态，构 建模型。 Baum-Welch 算法求出最优解 λ *= argmax{P(O| λ ) } 特征提取过程： B.HMM 语音识别——识别过程
1
HMM 1
Viterbi算法
目录
1. 2. 3. 4. 5. 6. 7. 语音识别技术基础与应用 ...................................................................................... 2 隐马尔可夫(HMM) 语音识别的过程 ..................................................................... 2 隐马尔可夫(HMM) 模型 .......................................................................................... 3 语音识别的两个过程 .............................................................................................. 5 语音识别中的模型 .................................................................................................. 7 运用 HMM 处理问题 ............................................................................................... 8 HMM 的三个基本算法 ..........................................................................................10

及 t 时刻处于状态 Si 的条件下，产生 t 以后的部分观测符 的概率。
{Ot 1 , Ot 2 ,..., OT }
后向变量也可以用迭代法进行计算，步骤如下： (1) 初始化
T (i) 1,1 i N
(2) 迭代计算
t (i) a ij b j (Ot 1 ) t 1 ( j ), t T 1, T 2,...,1,1 i N
最大，可以用参
a33 a23
b3(O2)
a44 a34 a12
1
a12
b2(O1)
2
3
4
b3(O2)
5
符号序列：
o1
o2
o3
马尔可夫模型（HMM）结构图
(1) 已知观测序列 O {O1 , O2 ,...OT }
和模型
( A, B, )
PO
，如何有效的计算