语音学习笔记（四）【传统声学模型】

1.混合高斯模型（GMM）
当使用混合高斯随机变量的分布用于匹配语音特征时，就形成了混合高斯模型（GMM）。
1.1随机变量
1）随机变量可以理解为从随机实验到变量的一个映射；
2）随机变量所有可能的取值成为域；
3）连续随机变量的概率密度函数（Probability density function，PDF）：p（x）
4）随机变量在x=a处的累计分布函数：

1.2 高斯分布和混合高斯随机变量
1）高斯分布
标量：若随机变量x的概率密度函数是：

那么它服从正态分布或高斯分布，记为：

矢量/向量：对于高斯分布的随机变量矢量x=（x1,x2,…,xD）T,也成为多元或向量值高斯随机变量，其联合概率密度函数为：

同样，记为：（均值，协方差）
2）混合高斯分布
标量：服从混合高斯分布的随机变量x，其概率密度函数为：（M个高斯）

其中混合权重为正实数，其和为1：
混合高斯分布最明显的性质是他的多模态（M大于1），不同于高斯分布的单模态（M=1），这使得混合高斯模型足以描述很多显示出多模态性质的物理数据，比如语音数据，而单高斯分布则不合适。
矢量/向量：多变量的多元混合高斯分布，即，服从高斯分布的随机变量向量，其联合概率密度函数为：

在DNN出现之前，GMM是提升语音识别系统性能的一个关键，且一般M为一个先验值。
如果变量x的维度D很大，比如语音识别中的特征40维，那么使用全协方差矩阵（非对角）（∑m）将引入大量参数（大约M x D^2）。为了减少这个数量，可以使用对角协方差矩阵。对角协方差矩阵极大简化了计算量。将全协方差矩阵近似为对角协方差矩阵看似是使用了各维度不相关的假设，实际是一种误导，因为，混合高斯模型具有多个高斯成分，虽然每个成分都使用了对角协方差矩阵，但总体上至少可以有效的描述由一个使用全协方差矩阵的单高斯模型所描述的向量维度相关性。

语音学习笔记（四）【传统声学模型】相关推荐

中国地质大学英语语音学习笔记（八）：英语重音与重音移位——为发音添彩
前言本笔记整理于中国地质大学(武汉)的一门英语发音课程:英语语音,的第十八单元的文档资料.记得恋练有词朱伟老师曾经说过,读单词只要重音位置对了,发音就不会太猥琐.笔者觉得读单词时,如果重音位置正 ...
JavaScript学习笔记(四)(DOM)
JavaScript学习笔记(四) DOM 一.DOM概述二.元素对象 2.1 获取方式 (1).通过ID获取一个元素对象,如果没有返回null (2).通过`标签名`获取一组元素对象,,如果没有返 ...
C#可扩展编程之MEF学习笔记(四)：见证奇迹的时刻
前面三篇讲了MEF的基础和基本到导入导出方法,下面就是见证MEF真正魅力所在的时刻.如果没有看过前面的文章,请到我的博客首页查看. 前面我们都是在一个项目中写了一个类来测试的,但实际开发中,我们往往要 ...
IOS学习笔记(四)之UITextField和UITextView控件学习
IOS学习笔记(四)之UITextField和UITextView控件学习(博客地址:http://blog.csdn.net/developer_jiangqq) Author:hmjiangqq ...
RabbitMQ学习笔记四：RabbitMQ命令（附疑难问题解决）
RabbitMQ学习笔记四:RabbitMQ命令(附疑难问题解决) 参考文章: (1)RabbitMQ学习笔记四:RabbitMQ命令(附疑难问题解决) (2)https://www.cnblogs. ...
JSP学习笔记(四十九)：抛弃POI，使用iText生成Word文档
POI操作excel的确很优秀,操作word的功能却不敢令人恭维.我们可以利用iText生成rtf文档,扩展名使用doc即可. 使用iText生成rtf,除了iText的包外,还需要额外的一个支持rt ...
Ethernet/IP 学习笔记四
Ethernet/IP 学习笔记四 EtherNet/IP Quick Start for Vendors Handbook (PUB213R0): https://www.odva.org/Port ...
OpenCV学习笔记四-image的一些整体操作
title: OpenCV学习笔记四-image的一些整体操作 categories: 编程 date: 2019-08-08 12:50:47 tags: OpenCV image的一些操作 sP4 ...
吴恩达《机器学习》学习笔记四——单变量线性回归（梯度下降法）代码
吴恩达<机器学习>学习笔记四--单变量线性回归(梯度下降法)代码一.问题介绍二.解决过程及代码讲解三.函数解释 1. pandas.read_csv()函数 2. DataFrame ...

语音学习笔记（四）【传统声学模型】

语音学习笔记（四）【传统声学模型】

语音学习笔记（四）【传统声学模型】相关推荐

最新文章

热门文章