基于帧特征、段特征联合建模的语音识别模型

提出了基于帧特征、段特征联合建模的语音识别模型。该模型采用描述谱参数轨迹的段特征，在段尺度上实现了对语音信号帧间相关性的显式建模；采用段特征依赖的非平稳时间序列产生模型，实现了段特征与帧特征间的相关性建模，并在帧尺度上通过参数化的均值轨迹函数，实现了对语音信号帧间相关性的隐式建模。本文给出了基于帧特征、段特征联合统计距离优化的分段算法以及内嵌ＥＭ迭代的模型参数估计算法。对非特定人汉语孤立韵母以及多话者汉语基本音节的识别实验表明，该模型的识别性能优于标准ＨＭＭ及趋势ＨＭＭ。