第 ３０卷第 ３期
２０００年 ５月
东 南 大 学 学 报
（自 然 科 学 版 ）
ＪＯＵＲＮＡＬ ＯＦ ＳＯＵＴＨＥＡＳＴ ＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
Ｖｏｌ３０ Ｎｏ３
Ｍａｙ ２０００
语音识别中基于 ＭＣＥ准则的 ＣＨＭＭ学习方法
赵 力 邹采荣 吴镇扬
（东南大学无线电工程系，南京 ２１００９６）
摘 要 研究了用于 ＣＨＭＭ的 ＭＣＥ学习方法．提出了简单形式的识别函数、误差函
数、损失函数等的定义方法以及总损失函数的最小化方法．通过对非特定人汉语连续
语音识别实验，证明了提出的函数形式和损失函数最小化方法对 ＣＨＭＭ的 ＭＣＥ学
习的有效性．
关键词 ＭＣＥ；ＣＨＭＭ；语音识别
分类号 ＴＰ３９１４２；ＴＮ９１２３
国家自然科学资金资助项目（６９８７１００９）．
收稿日期：１９９９－１２－０９． 第一作者：男，１９５８年生，博士后．
对于基于 ＭＣＥ（Ｍｉｎｉｍｕｍ ＣｌａｓｓｉｆｉｃａｔｉｏｎＥｒｒｏｒ）的隐马尔可夫模型（ＨＭＭ）学习方法已经有
了很多研究
［１～３］
，证明了这种学习方法和传统的 ＭＬ法（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄｍｅｔｈｏｄ）相比能够
较好地改善 ＨＭＭ的识别性能，是一种有效的 ＨＭＭ模型学习方法．然而，在已发表的研究成果
中，对于在
ＨＭＭ的 ＭＣＥ学习中的各函数定义方法以及最小化迭代方法等方面，仍需要进一
步的改进
．
本文研究了把 ＭＣＥ法用于 ＣＨＭＭ（ＣｏｎｔｉｎｕｏｕｓＧａｕｓｓｉａｎｄｅｎｓｉｔｙＨＭＭ）学习的方法，提出了
适合于 ＣＨＭＭ的简单形式识别函数、误差函数、损失函数等的定义方法和使总损失函数最小
化的推定方法，并结合大词汇量汉语连续语音识别系统计算量大的特点，提出了一种减少总损
失函数最小化推定计算量的最小点搜索算法
．通过对不特定话者汉语大词汇量连续语音识别
实验，证明了提出的函数形式和损失函数最小化方法对 ＣＨＭＭ的 ＭＣＥ学习的有效性．
１ 基于 ＭＣＥ法的 ＣＨＭＭ学习
１１ ＭＣＥ学习的函数定义
为了说明在 ＣＨＭＭ的 ＭＣＥ学习法中定义的各函数，假定 Ｙ＝｛Ｙ
１
，…，Ｙ
ｋ
，…，Ｙ
Ｋ
｝是总的
学习样本的集合，共有 Ｋ类．Ｙ
ｋ
＝｛Ｙ
ｋ，１
，…，Ｙ
ｋ，ｎ
，…，Ｙ
ｋ，Ｎ
ｋ
｝是第 ｋ类学习样本的集合，共有 Ｎ
ｋ
个观察抽样样本．Ｙ
ｋ，ｎ
＝ ｙ
ｋ，ｎ，１
，…，ｙ
ｋ，ｎ，ｔ
，…，ｙ
ｋ，ｎ，Ｔ
ｋ，
{ }
ｎ
是第 ｋ类第 ｎ个学习样本，Ｔ
ｋ，ｎ
是第 ｋ类第
ｎ个学习样本的长度，ｙ
ｋ，ｎ，ｔ
是第 ｋ类第 ｎ个学习样本在 ｔ时刻的 Ｄ维向量．
Θ
＝｛
θ
１
，…，
θ
ｉ
，…，
θ
Ｉ
｝是 ＣＨＭＭ模型参数的集合，Ｉ是 ＣＨＭＭ模型的个数．
θ
ｉ
是第 ｉ个 ＣＨＭＭ的模型参数向量，
μ
ｉ，ｓ，ｄ
是第 ｉ个 ＣＨＭＭ的第 ｓ状态均值向量的第 ｄ维元素，
Σ
ｉ，ｓ
是第 ｉ个 ＣＨＭＭ的第 ｓ状态的协
方差矩阵．
资源评论
