0

我正在构建一个隐马尔可夫模型来确定某人是在说“是”还是“否”。我已经开发了隐马尔可夫模型，并且从这个页面看到了一个教程：

http://www.cslu.ogi.edu/tutordemos/nnet_recog/recog.html

在本教程中它说：

该图通过假设的概率矩阵跟踪“是”和“否”的搜索路径。即使“否”的分数非常低，如果“是”没有出现在我们的词汇表中，仍然可以找到这个词的最可能路径。Viterbi 搜索可以通过阅读以下伪代码算法来理解（符号取自 Rabiner 的论文，A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition）：

我已经阅读了这两篇论文，但我仍然对他们所说的地方感到困惑：

through a hypothetical matrix of probabilities

我的问题是这个概率矩阵来自哪里？例如，我做了以下事情：

  • 读入音频文件
  • 剥离了不值得考虑的音频信号
  • 将需要考虑的信号拆分成块

这意味着我留下了包含音素的块。我已经计算了数据的过零，因此我的观点是：

对于“否”，来自此的数据非常低，

对于“是”，来自此的数据非常高。

所以在例子中（上面给出）它说：

Even though the score for "no" is very low,

那么我可以将零交叉的结果作为我的概率传递吗？我很困惑，希望有人可以帮助我。

4

1 回答 1

2

在哲学意义上，这个概率矩阵来自大自然。更严重的是，这个矩阵代表了转换矩阵的概念，如果一个人不“知道”自然的真实分布（没有人知道），它可以由 Baum Welch 对采样数据进行计算。这就是为什么他们说这是假设的。

关于你的第二个问题，你需要通过将 Baum Welch 应用于你的过零样本来获得转换矩阵（概率）（我不确定过零样本是什么，通常 mfcc 用于这种事情） .

让我知道是否需要更多澄清或我误解了什么。

于 2013-03-14T08:04:33.787 回答