语音识别HTK代码学习手册

HMM的理论基础一、HMM定义1.N：模型中状态的数目，记t时刻Markov链所处的状态为2.M：每个状态对应的可能的观察数目，记t时刻观察到的观察值为：初始状态概率矢量，，，3.4.A：状态转移概率矩阵，，，5.B：观察值概率矩阵（适用于离散HMM），，，；对于连续分布的HMM，记t时刻的观察值概率为一个离散型的HMM模型可以简约的记为。

二、关于语音识别的HMM的三个基本问题1. 已知观察序列和模型参数，如何有效的计算。

a. 直接计算2-1当N=5，T=100时大概需进行次乘法!b. 前向算法定义t时刻的前向变量（forward variable），可以通过迭代的方法来计算各个时刻的前向变量：1）初始化（Initialization）当t=1时2-2 2）递归（Induction）当时即： 2-33）终结（Termination）2-4 乘法次数大约为：N2Tc. 后向算法定义t时刻的后向变量（backward variable），可以通过迭代的方法来计算各个时刻的后向变量：1）初始化（Initialization）当t=T时， 2-52）递归（Induction）当时即：， 2-63）终结（Termination）2-7 乘法计算次数约为：N2T2. 已知观察序列和模型参数，在最佳意义上确定一个状态序列。

定义一个后验概率变量（posteriori probability variable）2-7 则最优序列可以通过， 2-7求得。

不过，这样求得的最优序列有些问题。

如果，那么这个最优序列本身就不存在。

这里讨论的最佳意义上的最优序列，是使最大化时的确定的状态序列。

即，使最大化时确定的状态序列。

定义为t时刻沿一条路径，且，输出观察序列的最大概率，即：2-8下面介绍迭代计算的Viterbi算法：1）初始化（Initialization），回溯变量：，2）递归（Induction）即： 2-82-93）终结（Termination）2-102-11 4）回溯状态序列， 2-12 3. 已知观察序列和模型参数，如何调整模型参数使最大。

定义3.1 给定训练序列和模型，时刻Markov链处在状态和时刻处在状态的概率定义如下3-1 定义3.2 给定训练序列和模型，时刻Markov链处在状态的概率定义如下3-2定义3.3 给定训练序列和模型，从状态转移出去的概率为定义 3.4给定训练序列和模型，从状态转移到状态的概率为利用Baum-Welch重估算法可以得到使局部最大时的参数更新公式。

1. Baum-Welch重估公式的理论基础引理3.1 设，，为正实数，，，为非负实数，那么，由对数函数的凹特性，有如下结论3-3 定义辅助函数如下3-4 其中，为更新前模型参数，为更新后模型参数，为训练序列，为可能的状态序列。

利用和引理3.1易得3-5式3-5构成了重估公式得理论基础，对辅助函数，只要能够找到，使，从而，这样，更新后的模型在拟和训练序列方面就比更新前的模型要好，使最大而得到的的参数更新公式就称之为Baum-Welch重估公式。

引理 3.2 ，，在的约束条件下，函数的唯一最大值点为。

证明如下求最大值令得：，同理可证：利用凹函数特性可知此最大值唯一。

2.离散HMM模型的重估公式HTK内存管理一、HTK内存管理概述C语言编程中，遇到的关于内存分配和释放的问题主要有如下两个方面。

第一是指针维护问题。

试想，你写的一个程序执行了一系列内存空间分配（通常是由malloc函数完成）操作，为了能够在以后适当的时候（通常是你不再需要那些内存时）可以将分配的内存空间释放（通常是由free函数完成），你必须小心谨慎的维护好这些指向分配的内存空间的指针。

有经验的程序员大概都会有这样的感受，维护这些指针并非易事！特别是当程序比较复杂时，尤为如此。

如果你一不小心（其实这很容易）丢掉了某些指针，那么操作系统将无法回收那些内存（这便是我们常说的内存泄漏问题），除非你的程序死了。

第二就是关于内存分配释放操作本身。

如果你的程序会相当频繁的执行malloc和free函数，那么程序将会费去大量的CPU时间来执行它们。

为了解决以上两个问题，尽可能的提高内存利用率，HTK设计了一个内存管理子系统，利用自定义的堆结构（Heap）来进行内存分配和释放。

HTK内存分配和释放的主要思想是一次向操作系统要大一些的内存块，然后在将它分成小块供上层程序使用，不需要时只需释放那个大内存块。

HTK把堆结构分为三大类：1.M-HEAPS：元素大小固定，new/free操作执行次序无限制，可全局重置(global reset)。

2.M-STACK：元素大小可变，最后分配的空间必须先释放，可全局重置。

3.C-HEAPS：元素大小可变，new/free操作执行次序无限制，全局重置无效（直接使用malloc和free函数）。

二、数据结构1. 堆数据结构定义typedef enum{MHEAP,MSTAK,CHEAP} HEAPTYPE; // 堆类型定义typedef unsigned char* ByteP; // 无符号字符（8位）指针typedef void* Ptr;typedef struct _Block *BlockP;/* MHEAP和MSTAK块数据结构定义*/typedef struct _Block{ /* MHEAP ,MSTACK */size_t numFree; /* 空闲元素数目,空闲字节数*/size_t firstFree; /* 第一个空闲元素索引 ,栈顶索引*/size_t numElem; /* 块分配元素的个数,块分配的字节数*/ByteP used; /* 指向元素分配表指针,1bit/元素,不使用*/Ptr data; /* 指向数据区指针,指向数据区指针*/BlockP next; /* 指向下一个块指针,指向下一个块指针*/}Block;/* 堆数据结构定义*/typedef struct{ /* MHEAP ,MSTACK */char* name; /* 堆的名称,堆的名称*/HEAPTYPE type; /* 堆的类型,堆的类型*/float growf; /* 增长因子,增长因子*/size_t elemSize; /* 元素大小,总是1 */size_t minElem; /**/size_t maxElem; /* 每个块最大允许分配的元素个数,每个块最大允许分配的字节数*/size_t curElem; /* 当前块元素个数,当前块字节个数*/size_t totUsed; /* 已使用的元素总个数,以使用的字节总个数*/size_t totAlloc; /* 分配的元素总数,分配的字节总数*/BlockP heap; /* 指向当前块的指针,指向当前块的指针*/Boolean protectStk; /* 仅适用于MSTAK */}MemHeap;2. 堆数据结构框图M-Heaps内存堆结构示意图同一个M-Heaps内存堆中分配的元素大小都是一样的。

堆结构中的块指针成员变量heap指向数据块链的头。

数据块链中的每个块分配的内存区大小由（字节）计算得到。

每个块中的BYTE型指针成员变量used指向记录元素使用状态的表数据结构，表中第i位记录数据区中第i个元素的使用状态：1表示使用中、0表示空闲。

每个块中的firstFree成员变量的值表示数据区中第一个空闲元素的标号。

每个块中的numFree成员变量的值记录所在块中空闲元素的个数。

如果numFree为0表示块满，这时firstFree=numElem。

M-Stack内存堆结构示意图三、算法1.接口描述1.定义：Export-->void InitMem(void)说明：初始化全局MSTAK堆变量gstack和全局CHEAP堆变量gcheap。

该函数必须在调用任何其它堆操作函数前调用。

参数：无返回值：无2.定义：Export-->void CreateHeap(MemHeap *x , char *name , HeapType type , size_t elemSize , float growf , size_t numElem , size_t maxElem)说明：创建一个名称为name、类型为type的内存堆，elemSize指定内存堆中元素的大小，numElem指定块中元素默认个数。

如果，内存堆的类型是MSTAK或CHEAP，则elemSize必须为1。

参数：x：指向给定的内存堆[In,Out]name：堆的名称[In]type：堆类型[In]elemSize：对于MHEAP表示堆的每个块中元素的大小，对于MSTAK和CHEAP，elemSize必须设为1 [In]growf：numElem：堆的每个块默认分配的元素个数[In]maxElem：堆的每个块最大允许分配的元素个数[In] 返回值：无3.定义：Export-->void ResetHeap(MemHeap *x)说明：释放内存堆x中所有元素，对CHEAP内存堆无效。

参数：x：指向给定的内存堆[In,Out]返回值：无4.定义：Export-->void DeleteHeap(MemHeap *x)说明：释放内存堆x中所有元素，并删除内存堆x。

参数：x：指向给定的内存堆[In,Out]返回值：无5.定义：Export-->Ptr New(MemHeap *x , size_t size)说明：从内存堆x中分配一大小为size的新元素并返回其指针。

如果x类型为MHEAP则忽略参数size。

如果分配失败，程序将会异常退出，所以返回值永远不会为NULL。

参数：x：指向给定的内存堆[In,Out]size：指定分配的元素大小[In]返回值：返回指向新分配的元素的指针6.定义：void BlockRecorder(BlockP *p , int n)说明：对于MHEAP堆，从块p向后搜索有n个以上（包括n个）元素的块，并将其移至块链表头。

对于MSTAK堆，从块p向后搜索有n个以上（包括n个）字节数的块，并将其移至块链表头。

参数：p 指向给定的块[In,Out]n 对于MHEAP，表示元素个数；对于MSTAK，表示字节数。

[In]返回值：无7.定义：void* GetElem(BlockP p , size_t elemSize , HeapType type)说明：如果type为MHEAP则从块p中返回一空闲元素指针，并将其在使用状态表中的对应项置1。

如果type为MSTAK则从块p中返回一大小为elemSize字节数的区域指针，并对块p中firstFree和numFree变量进行相应的修改。