论文部分内容阅读
在语音识别领域,隐马尔可夫模型(Hidden Markov Model,简称HMM)是一个重要的方法.然而在其模型构建中,状态的段长概率随时间呈指数下降,没有恰当地表示语音的时序结构.本文基于动态贝叶斯网络(Dynamic Bayesian Network,简称DBN)的通用算法,提出了在DBN模型中显式表示段长的改进算法.Aurora-5语音库实验表明:基于段长分布的DBN模型识别率在噪音环境下优于传统的HMM模型,尤其在插入类型的错误方面.