版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、該文在隨機(jī)分段模型的框架之下,對語音識別中的幀間相關(guān)性建模方法進(jìn)行了深入的研究.主要工作包括:(1)分析了隨機(jī)分段模型的建模思想,重點研究了基于分段的線性動態(tài)系統(tǒng)聲學(xué)模型.隨機(jī)分段模型在建模階段能夠充分利用特征之間的動態(tài)特性,其對語音信號的數(shù)學(xué)描述比起HMM來也更顯精確.另外,通過大量的實驗研究發(fā)現(xiàn),語音幀間的依賴關(guān)系可以用線性模型來描述.基于這兩方面考慮,線性動態(tài)系統(tǒng)分段聲學(xué)模型可以更好地描述語音信號.(2)實現(xiàn)了線性系統(tǒng)辨識EM算法
2、,提出了一種基于統(tǒng)計分析的算法初始化方法.EM算法是一種很有效的最大似然估計方法.但是,它最大的不足就是收斂速度太慢.加快收斂速度的最直接的方法就是解決算法的初值問題.該文提出的算法初始化方法加快了算法收斂速度,且能保證算法數(shù)值穩(wěn)定.(3)提出了在分段時間歸整后再進(jìn)行軌跡平滑和根據(jù)上下文信息用多個模型為一個音節(jié)構(gòu)建兩個思想.軌跡平滑體現(xiàn)了線性動態(tài)系統(tǒng)的軌跡建模思想.通過考慮音節(jié)的上下文信息可以為音節(jié)建立更精確的數(shù)學(xué)模型.實驗結(jié)果表明,將
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于幀間相關(guān)性的視頻去噪.pdf
- 基于幀間相關(guān)性的視頻篡改檢測方法研究.pdf
- 基于幀間相關(guān)性分析的視頻顯著運動檢測方法研究
- 基于鄰域相關(guān)性的背景建模方法研究.pdf
- 利用幀間連貫性的可視外殼建模優(yōu)化研究.pdf
- 基于EGARCH模型的相關(guān)性分析.pdf
- 基于屬性間相關(guān)性分析的屬性選擇方法研究.pdf
- 基于相關(guān)性雙險種風(fēng)險模型的研究
- TOC與COD間相關(guān)性數(shù)學(xué)模型的探討.pdf
- 基于相關(guān)性雙險種風(fēng)險模型的研究.pdf
- 基于波束間混響相關(guān)性的自適應(yīng)抵消方法研究.pdf
- 基于譜間相關(guān)性的高光譜圖像壓縮方法研究.pdf
- 多個數(shù)量性狀間的相關(guān)性研究.pdf
- 基于標(biāo)記間相關(guān)性的多標(biāo)記分類算法.pdf
- 基于非平穩(wěn)隨機(jī)場模型的SAR圖像空間相關(guān)性建模及應(yīng)用研究.pdf
- 基于共振模型的操作風(fēng)險相關(guān)性度量研究.pdf
- 基于視點間相關(guān)性的多視點視頻編碼技術(shù)研究.pdf
- 基于文檔主題相關(guān)性的LDA有監(jiān)督模型.pdf
- 基于時間段圖模型的用戶行為分段與興趣建模研究.pdf
- 基于加權(quán)幀間平移模型的視頻信號處理.pdf
評論
0/150
提交評論