Question

我读了这个问题 3-state phone model in Hidden Markov Model (HMM)

并且我理解3状态意味着什么，但仍然不理解为什么用（状态+ 2）*（状态+ 2）矩阵制作转换矩阵。

这就是我得到的。我有21个手机的数据。

    #define N_STATE     3
    #define N_PDF       10
    #define N_DIMENSION 39

    typedef struct {
      float weight;
      float mean[N_DIMENSION];
      float var[N_DIMENSION];
    } pdfType;

    typedef struct {
      pdfType pdf[N_PDF];
    } stateType;

    typedef struct {
      char *name;
      float tp[N_STATE+2][N_STATE+2];
      stateType state[N_STATE];
    } hmmType;

    hmmType phones[] = {
      { "f", // HMM
        { // transition probability
  { 0.000000e+000, 1.000000e+000, 0.000000e+000, 0.000000e+000, 0.000000e+000 },
  { 0.000000e+000, 8.519424e-001, 1.480576e-001, 0.000000e+000, 0.000000e+000 },
  { 0.000000e+000, 0.000000e+000, 7.039050e-001, 2.960950e-001, 0.000000e+000 },
  { 0.000000e+000, 0.000000e+000, 0.000000e+000, 5.744837e-001, 4.255163e-001 },
  { 0.000000e+000, 0.000000e+000, 0.000000e+000, 0.000000e+000, 0.000000e+000 }
},
{
  {{// state 1
    { // pdf 1
      8.379531e-002,
      { -1.100132e+001, -1.507629e+000, 5.286411e+000, 5.901514e+000, 1.883457e+000, 2.984173e-001, -2.267562e+000, -1.421130e+000, -2.029700e+000, -8.125367e-001, -5.360930e-001, -2.711542e+000, 5.227489e+001, -5.095788e+000, -1.696621e+000, -7.312185e-001, 1.086982e+000, 1.082798e+000, 6.809577e-001, 9.642316e-001, 1.288318e+000, 2.270788e+000, 9.616309e-001, 3.370467e-001, 5.757959e-001, -9.360286e-001, 5.963516e-001, -5.518724e-001, -6.216772e-001, -1.133040e+000, -1.055158e+000, -2.527018e-001, -5.493749e-001, -8.677255e-002, -4.314532e-001, 4.211203e-002, 1.891589e-001, -1.295372e-001, 2.562751e-001 },
      { 2.583579e+001, 1.714888e+001, 1.768794e+001, 1.732637e+001, 1.677207e+001, 2.317034e+001, 1.957299e+001, 1.885118e+001, 1.923330e+001, 1.748584e+001, 1.841182e+001, 1.546110e+001, 2.689937e+001, 2.333710e+000, 2.154598e+000, 5.479347e+000, 5.589773e+000, 4.148128e+000, 3.470205e+000, 3.396770e+000, 3.723966e+000, 4.144585e+000, 3.967475e+000, 3.933262e+000, 2.597734e+000, 1.499691e+000, 5.463322e-001, 4.699343e-001, 6.001114e-001, 6.452432e-001, 5.413819e-001, 6.319258e-001, 6.051217e-001, 6.727058e-001, 7.212463e-001, 7.243521e-001, 6.977258e-001, 5.134848e-001, 2.294584e-001 }
    ...

我知道结构hmmType中存在转换矩阵。

1）但为什么[N_STATE + 2] [N_STATE + 2]不是[N_STATE] [N_STATE]？

2）这是否意味着从一部手机到另一部手机的转换概率？那么我怎样才能用它来知道从'f'到't'的转换概率？

3）或者只是从同一个手机中的一个州到另一个州？

4）如果这是正确的，我怎样才能从一部手机到另一部手机获得转换概率？（ex'f' - ＆gt;'t'）据我所知如果我想用Viterbi算法进行语音识别，我需要从手机到其他手机的转换概率，但我甚至不确定这些数据是否包含它。我应该从数据中训练吗？

Answer 1

1）但为什么[N_STATE + 2] [N_STATE + 2]不是[N_STATE] [N_STATE]？

编写此代码的程序员决定这样编写，但总体而言，它并不是最简单的方法，他可以简单地将N_STATE声明为5。

2）这是否意味着从一部手机到另一部手机的转换概率？然后，我如何使用它来了解转换概率来自＆＃39; f＆＃39;到了＆＃39;？

此转换概率在字典或语言模型中编码，而不是在声学模型中编码。

3）或者只是从同一个手机中的一个州到另一个州？

是

4）如果这是正确的，我怎样才能从一部手机到另一部手机获得转换概率？（例如＆＃39; f＆＃39; - ＆＃39; t＆＃39;）据我了解如果我想用维特比算法进行语音识别，我需要从手机到其他手机的转换概率，但我甚至不确定这些数据是否包含它。我应该从数据中训练吗？

您可以从数据中训练它，这通常被称为语音二元语言模型，并在TIMIT评估中使用。

HMM三态手机型号和转换概率

1 个答案: