Zastosowanie niejawnych modeli Markowa w systemach automatycznego rozpoznawania mowy

• Autorzy: Shomali A. , Kapusta M. , Gajer M

Warianty tytułu

EN

Theory and implementation of hidden Markov models in automatic speech recognition systems

• Języki publikacji: PL

Abstrakty

PL

Pomimo dokonania ogromnego postępu badań w dziedzinie automatycznego rozpoznawania mowy wiele problemów związanych z tym zagadnieniem nadal czeka na lepsze rozwiązanie. Większość tych problemów wynika ze złożoności sygnału mowy i niemożności jednoznacznego powiązania mierzonych parametrów tego sygnału z treściąwypowiedzi. Modelowanie sygnału mowy za pomocą niejawnych modeli Markowa stanowi jeden z najefektywniejszych sposobów rozpoznawania mowy. Niniejszy artykuł jest poświęcony zarówno podstawom matematycznym teorii niejawnych modeli Markowa jak i ich zastosowaniu do rozwiązania elementarnych problemów automatycznego rozpoznawania mowy. W pierwszej części artykułu przedstawiono podstawowe pojęcia związane z modelami Markowa, wyjaśniono sposób działania tych modeli na prostym przykładzie oraz omówiono elementy wchodzące w ich skład. Następnie zamieszczono opis trzech fundamentalnych problemów związanych z niejawnymi modelami Markowa wraz z proponowanymi koncepcjami ich rozwiązania. Ze względu na znaczącą rolę jaką odgrywają w systemach automatycznego rozpoznawania mowy modele Markowa z jawnągęstościąprawdopodobieństwaprzebywania w tym samym stanie, zo¬stały one szerzej omówione. W drugiej części artykułu podano najważniejsze wskazówki dotyczące implementacji nie¬jawnych, modeli Markowa w systemach automatycznego rozpoznawania mowy. W szczególności skoncentrowano się na doborze struktury i parametrów modeli, w zależności od rodzaju zadania, do realizacji, którego modele te mają zostać wykorzystane.

EN

Although many recent advances and successes in automatic speech recognition have been achieved, there are still many problems for which good solutions remain to be found. Most of these problems arise basically from speech signal complexity and the impossibility of unequivocal matching of it 's extracted parameters with speech events. Hidden Markov stochastic models were found to be one of the most effective ways of speech signal modelingfor automatic speech recognition purposes. This article is devoted to the theoretical mathematical basics of HMMmodels as well as their implementation in elemental automatic speech recognition tasks. In the first part of this paper the fundamental formations related to Markov models were presented and explained by means of simple examples. Further the basie elements of HMM were defined, the three key problems of these models were formulated and corresponding solutions were proposed. Taking into consideration the significant role of the state-duration HMM models in automatic speech recognition systems, they were thoroughly discussed. In the secondpart, the most substantial guidelines concerning HMM models implementation in automatic speech recognition systems, were introduced. In particular special care was devoted to the choice of HMM model 's structure and parameters depending on the recognition task for which these models are to be applied.

Słowa kluczowe

PL

model Markova; rozpoznawanie mowy automatyczne; zastosowanie

EN

Markov models; automatic speech recognition; implementation

• Wydawca: Wydawnictwa AGH
• Czasopismo: Elektrotechnika i Elektronika
• Rocznik: 1999
• Tom: T. 18, z. 3
• Strony: 89--98
• Opis fizyczny: Bibliogr. 14 poz., rys., wykr.

Twórcy

autor

Shomali A.

• Wydział EAliE, Akademia Górniczo-Hutnicza w Krakowie

autor

Kapusta M.

• Wydział EAliE, Akademia Górniczo-Hutnicza w Krakowie

autor

Gajer M

• Wydział EAliE, Akademia Górniczo-Hutnicza w Krakowie