《隐Markov模型 HMM 及其在语音处理中的应用》求取 ⇩

目录1

第一章 HMM基本理论1

§1.1 HMM基本思想2

1.1.1 Markov链2

1.1.2 HMM基本概念3

1.1.3 HMM定义4

§1.2 HMM基本算法5

1.2.1 前向-后向算法5

1.2.2 Viterbi算法7

1.2.3 Baum-Welch算法9

1.3.1 初始模型选取11

§1.3 HMM算法实现中的问题11

1.3.2 多个观察值序列训练12

1.3.3 比例因子问题13

1.3.4 Markov链的形状15

§1.4 关于HMM训练的几点考虑17

1.4.1 克服训练数据的不足17

1.4.2 处理说话者的影响21

1.4.3 改进经典训练算法23

第二章 各具特色的HMM26

§2.1 连续和半连续HMM27

2.1.1 连续HMM27

2.1.2 线性预测HMM30

2.1.3 半连续HMM34

2.2.1 利用Gibbs分布取代Markov链的HMM37

§2.2 对Markov链修正后的HMM37

2.2.2 在Markov链中考虑状态驻留时间的HMM39

2.2.3 二阶HMM43

§2.3 其它有代表性的HMM简要综述44

第三章 HMM在语音处理中的应用47

§3.1 语音识别47

3.1.1 孤立词与连接词识别47

3.1.2 音素HMM连续语音识别53

3.1.3 大型HMM音素识别70

§3.2 语音增强76

3.2.1 加性高斯白噪声中的语音增强方法76

3.2.2 噪声环境下的语音处理86

3.3.1 语音特征参数数据的压缩实验90

§3.3 语音压缩90

3.3.2 经典矢量量化方法的改进98

第四章 HMM其它问题讨论103

§4.1 HMM与神经网络（NN）103

4.1.1 HMM与多层感知机（MLP）的统一描述107

4.1.2 混合HMM/MLP方法107

§4.2 HMM算法的VLSI设计110

4.2.1 多处理器实现110

4.2.2 Systolic结构113

§4.3 关于HMM语音处理系统软硬件实现118

4.3.1 HMM算法C语言编程举例118

4.3.2 基于TMS320C25芯片的硬件系统设计125

附录 Baum-Welch算法中重估公式的推导129

参考文献133