次へ: Viterbiアルゴリズム
上へ: HMMによる音声認識
戻る: HMM法の利点と問題点
目次
を観測(出力)系列とする.具体的には,スペクトルや
ケプストラムの時系列である.このとき,各HMMモデルによってyが生起する確率
(尤度)P(y|M)(MはHMMによって表現される単語や音素に対応)を求め,最大確率
(最大尤度)を与えるモデルを選出しこれを認識結果とする.図2に単語HMMを用いた認識方法を示す.
を状態遷移行列(ただし
とすれば,
![\begin{displaymath}
P(y|M) = \sum_{i_0, i_1, …, i_T}P(y|q, M)・P(q|M)
\end{displaymath}](img77.png) |
(23) |
と表すことができる.そして一般的に
の値は,トレリスアルゴリズムで求め
られる.
フォワード変数
を定義し,符号ベクトル
を出力して状態
に
ある確率とすれば,
とおいて,以下の式を得る.
![\begin{displaymath}
α(i, t) = \sum_{j}α(j, t-1)・α_{ji}・b_{ji}(y_t)(t-1, 2, ・・・, T)・π_i(t=0)
\end{displaymath}](img83.png) |
(24) |
これを計算し,最後に以下を求めれば良い.
![\begin{displaymath}
P(y|M) = \sum_{i,q \in F}α(i,T)
\end{displaymath}](img84.png) |
(25) |
Subsections
平成19年5月7日