论文部分内容阅读
传统的隐马尔可夫模型的缺点在于不能很好地描述语音信号的动态特性。某些改进算法状态持续时间进行修正，但是也削弱了对实时信号长度变化的适应性。作者在传统的隐马尔夫模型的基础上，通过在引入状态持续时间时，将其归一化。并观察序列长度对它的影响，使之能较好地描述语音信号的动态特性，同时也能较好地自适应描述实时语音信号的长度变化。