隱馬爾可夫過(guò)程小波變換的參數(shù)估計(jì).pdf

1、近年來(lái),隱馬爾可夫模型(Hidden Markov Model,簡(jiǎn)記為HMM)在模式識(shí)別與隨機(jī)信號(hào)處理中有著最廣泛的應(yīng)用,最成功的例子如語(yǔ)音識(shí)別和文字識(shí)別.我們知道,影響模式識(shí)別系統(tǒng)識(shí)別率的重要因素是輸入的信號(hào)是否規(guī)范.因此,為了提高識(shí)別系統(tǒng)的穩(wěn)健性,我們需要構(gòu)造一種對(duì)輸入模式信號(hào)自適應(yīng)、抗干擾的隱馬爾可夫模型.由于小波變換具有很強(qiáng)的去噪功能,一個(gè)自然的想法是在HMM識(shí)別系統(tǒng)前串連一個(gè)小波濾波器,將待識(shí)別模式信號(hào)作小波變換后于輸入HMM

2、模式識(shí)別系統(tǒng)以進(jìn)行識(shí)別.該文首先介紹了隱馬爾可夫模型中的一些基本元素,對(duì)將隱馬爾可夫模型應(yīng)用到實(shí)際中時(shí)所遇到的三個(gè)基本問(wèn)題進(jìn)行了討論,并且給出了相應(yīng)的解答.然后還對(duì)隱馬爾可夫模型中的一些特殊結(jié)構(gòu)類型作了介紹.其次,對(duì)小波變換及其相關(guān)知識(shí)進(jìn)行了討論.在簡(jiǎn)單介紹了小波變換的發(fā)展史之后,重點(diǎn)討論了小波變換中的重要理論—多分辨率分分析理論,及其相應(yīng)的分解和重構(gòu)算法—Mallat算法.最后,我們提出了一種新的方法來(lái)解決通過(guò)小波變換后的隱馬爾可夫過(guò)