茅晓泉
- 作品数：9 被引量：33H指数：4
- 供职机构：上海交通大学电子信息与电气工程学院电子工程系更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信更多>>
- 基于最大互信息的离散隐马尔柯夫模型训练方法被引量：10
- 2001年
- 在基于隐马尔柯夫模型 (HMM)的语音识别系统中 ,模型训练最常用的算法是 Baum-Welch算法 .该算法具有快速收敛及保证每步迭代模型的似然概率单调增的优点 .但它基于最大似然训练准则 ,而该准则不能将各个模型很好地分开 .这直接导致了识别时的错误 .鉴于最大互信息可以克服这一缺点 ,提出了一种基于最大互信息的训练方法 .该方法借助于梯度 ,调整参数以使模型与训练数据的互信息最大 .实验结果表明 。
- 茅晓泉胡光锐
- 关键词：隐马尔柯夫模型最大互信息偏导数语音识别
- 说话人辨认中基于进化策略的最大互信息训练方法被引量：1
- 2003年
- 针对最大似然训练分辨能力的不足 ,把最大互信息训练方法引入到高斯混合模型 ( GMM)的训练中 ,并直接采用进化策略实现模型参数的全局训练 ,以模型与训练数据之间的互信息作为进化过程中个体的适应度 .该系统不仅分辨能力强 ,而且摆脱了局部搜索的缺陷 .实验结果表明 ,这种方法生成的说话人辨认系统的识别性能要优于传统的期望最大化算法 ( EM)
- 茅晓泉胡光锐唐斌
- 关键词：进化策略说话人辨认最大互信息
- 一种基于最大互信息/进化计算混合结构的语音识别方法被引量：1
- 2002年
- 传统的最大互信息训练中一般采用梯度方法 ,这就使得所得模型往往只是一个局部最优模型 .文中将最大互信息 (MMI)和演化计算 (EC)相结合 ,引入到隐马尔柯夫模型 (HMM)的训练中去 .各模型集用个体表示 ,个体的适应值采用模型的最大互信息 .这样借助于进化计算的全局搜索及种群的特点 ,得到了基于最大互信息估计的 HMM模型的更优解 .实验结果表明 。
- 茅晓泉胡光锐唐斌
- 关键词：最大互信息进化计算混合结构语音识别
- 语音识别中结合进化计算的 MMI训练方法
- 2002年
- 将最大互信息 (MMI)和进化计算 (EC)相结合 ,引入到 HMM的训练中去 .各个模型用个体来表示 ,个体的适应值采用模型的最大互信息 .这样借助于演化计算的全局搜索及种群的特点 ,得到了基于最大互信息估计的HMM模型的更优解 .实验结果表明 。
- 茅晓泉胡光锐唐斌
- 关键词：语音识别进化计算最大互信息
- 基于进化计算的语音识别方法
- 该论文以进化计算为核心优化算法,主要研究了它在语音识别中的声学模型训练以及说话人辨认中的模型训练中的应用.该文利用进化计算的全局搜索的特点,把它引入模型的训练.针对训练过程中收敛速度过慢的情况,结合隐马尔柯夫模型(HMM...
- 茅晓泉
- 关键词：语音识别进化计算隐马尔柯夫模型说话人辨认高斯混合模型
- 文献传递
- 一种DHMM的混合训练方法被引量：9
- 2002年
- 隐马尔柯夫模型 (HMM)作为描述语音信号的一个工具 ,按输出概率分布的不同 ,可分为连续HMM(CHMM)和离散HMM(DHMM) .经典的训练方法Baum Welch算法虽然收敛迅速 ,但是这类基于爬山的算法只能取得局部最优解 ,从而影响了系统的识别率 .对于CHMM ,借助于分类K平均方法可以取得可靠的初始点以保证迅速准确的收敛 .而对于DHMM ,该方法收益不大 ,最终所得的仍是局部最优解 .由于进化计算一个最重要的特点便是全局搜索 ,这样可得全局最优解或次优解 .本文将进化计算应用到DHMM的训练中 ,提出了一个把传统算法和进化计算相结合的混合算法 .实验结果表明该方法既保证了全局搜索又实现了快速收敛 。
- 茅晓泉胡光锐唐斌
- 关键词：隐马尔柯夫模型语音识别
- 一种采用振荡器神经网络的CASA计算模型语音分离算法被引量：5
- 2001年
- 基于听觉现象分析 (CASA)模型的基本原理 ,在仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA改进模型语音分离算法结构 .文中利用一个实例说明了新算法的具体实现步骤 .讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分 .通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段 Segments,以便于新算法后续处理部分中语音 Segments的聚类和分离重构输出处理 ,最终完成语音分离任务 .
- 胡光锐虞晓茅晓泉
- 关键词：语音分离CASA模型语音识别
- 基于进化计算的DHMM训练方法被引量：3
- 2002年
- 隐马尔柯夫模型 (HMM)的传统训练方法—— Baum-Welch算法只能得到一个局部最优模型 ,从而影响最终的识别率。对于 CHMM,分段 K平均方法来取得一个初始值可以解决这一问题 ,但对 DHMM却改进不大。而基于全局搜索的进化计算的一个重要特点便是可以得到次优解乃至全局最优解。本文把进化计算引入到DHMM的训练中去 ,提出一种改进的进化训练方法 ,实验结果表明 ,这种训练方法初具了全局搜索和快速收敛的特点 ,得到的模型优于传统方法和直接用进化计算所得的模型 ,提高了系统的识别率。
- 茅晓泉胡光锐唐斌
- 关键词：隐马尔柯夫模型语音识别语音信号处理进化计算
- 一种基于梯度的HMM参数重估方法被引量：4
- 2002年
- 对于隐 Markov模型 ( HMM) ,经典的参数重估方法是 Baum- Welch算法 .该算法基于最大似然准则 ,具有快速收敛和保证似然度单调增的优点 .但是对于其他的训练准则 ,则不存在这样的算法 .由于目标函数的复杂性 ,在考虑采用梯度方法时 ,必须先解决如何求取梯度的问题 .为此 ,提出一种求取梯度的实现方法 .结果表明 ,使用该方法所得的模型与用 Baum- Welch算法所得的模型性能相当 。
- 茅晓泉胡光锐
- 关键词：梯度法隐MARKOV模型语音识别
