断片的な線形プロセスと音声認識への応用のための高次の隠されたマルコフモデル

隠されたマルコフモデルは、シーケンシャルデータを備えたシステムに広く適用されています。ただし、状態出力の条件付き独立性により、非表示のマルコフモデルの出力は、多くの実際のプロセスの適切な近似ではありません。この論文では、実際のプロセスの動作をより適切に近似するために、区分的線形プロセスの高次の隠されたマルコフモデルを提案します。提案されたモデルに対して、期待最大化アルゴリズムに基づくパラメーター推定方法が導出されました。提案された方法の有効性を調べるために、騒々しいマンダリン桁の音声認識に関する実験が行われました。実験結果は、提案された方法がベースラインの隠されたマルコフモデルと比較して認識エラー率を減らすことができることを示しています。

The hidden Markov models have been widely applied to systems with sequential data. However, the conditional independence of the state outputs will limit the output of a hidden Markov model to be a piecewise constant random sequence, which is not a good approximation for many real processes. In this paper, a high-order hidden Markov model for piecewise linear processes is proposed to better approximate the behavior of a real process. A parameter estimation method based on the expectation-maximization algorithm was derived for the proposed model. Experiments on speech recognition of noisy Mandarin digits were conducted to examine the effectiveness of the proposed method. Experimental results show that the proposed method can reduce the recognition error rate compared to a baseline hidden Markov model.