次へ: Viterbiアルゴリズム
上へ: HMMによる音声認識
戻る: HMMの例(left-to-rightモデル)
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
が
生起する確率(尤度)
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
んで,これを認識結果とする.
図3にHMMを用いた単語音声認識の方法を示す.
を状態遷移行列(ただし
とすれば,
![\begin{displaymath}
P(y|M) = \sum_{i_0, i_1,\cdots, i_T}P(y|q, M)・P(q|M)
\end{displaymath}](img63.png) |
(11) |
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.
![$\displaystyle \alpha(i, t) =\left\{ \begin{array}{ll}
\pi_i & (t=0) \\
\sum_{j}\alpha(j,t-1)・\alpha_{ji}・b_{ji}(y_t) & (t=1, 2,\cdots, T)
\end{array} \right.$](img69.png) |
|
|
(12) |
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}\alpha(i,T)
\end{displaymath}](img70.png) |
(13) |
Subsections
平成20年3月11日