隐马尔可夫模型（HMM）中的三态手机模型

Question

我想问一下HMM中三态手机模型的含义。本案例基于语音识别系统中的HMM理论。因此，该示例基于HMM中的语音声学建模。

我从期刊论文中得到了这个示例图片： http://www.intechopen.com/source/html/41188/media/image8_w.jpg

图1：声音的三态HMM / s /

所以，我的问题是：

1. 3州是什么意思？
2. 实际上是什么S1，S2＆amp; S3是什么意思（我知道它是州，但它代表什么？）
3. 如何在此HMM状态下表示/ s /声音？
4. 为什么是3？如果我们有4个，5个或更多的状态会发生什么？
5. 如果/ s /的声音只是辅音的简单声音＆＃34; s /＆＃34;，状态和转换的用途是什么？

你们对这个理论的例子（图解类比）有简单的解释吗？

谢谢

尼克

Answer 1

  

3州是什么意思？

描述手机S的模型由树状态组成 - S1，S2和S3。

  

实际上是什么S1，S2＆amp; S3是什么意思（我知道它是州，但它代表什么？）

S1表示电话S的开头的特征向量的概率分布，中间的S2，最后的S3。概率分布基本上是特征向量的最可能值（电话的这一部分如何发声）和变化（在变化的范围内）。

  

如何在此HMM状态下表示/ s /声音？

S声音由整个HMM表示，而不仅仅是单个状态。

  

为什么是3？如果我们有4个，5个或更多状态会发生什么？

在连续语音识别中，手机声学受到前一音素和后续音素的影响。出于这个原因，将每部手机分成3个部分更精确 - 从最初的手机过渡到稳定的中间，最后转换到下一部手机。如果手机被隔离并稳定1状态就足够了。在连续语音中也可以对单个电话使用5种状态，但它并没有大大提高准确性。

  

如果/ s /的声音只是辅音的简单声音＆＃34; s /＆＃34;，状态和转换的用途是什么？

见上文。转换表示从一个状态移动到另一个状态的概率，基本上它模拟了电话的长度。