Statistics 隐马尔可夫模型.识别音素

我正在开发一个识别音素的项目，以便能够识别某人是否在说“是”或“否”

到目前为止，在这个项目中，我已经使用了零交叉点来识别这个人在说什么，这非常有效，而且看起来很简单，可以理解。然而，该项目需要一些增强，并且必须使用隐马尔可夫模型进行开发

我的问题是：

我想开发一个隐马尔可夫模型，而不删除我已经完成的工作。也就是说，我通过计算零交叉点的数量以及块的总和来去除不值得考虑的数据

我不明白为了能够识别这些音素，我需要什么样的数据来训练HMM。例如

通过过零，我发现：

是-过零起点较低，然后该值增加

否-零交叉点从低开始，然后不随值增加。

我可以训练我的HMM算法，让它解释这些值吗

或者有谁能建议一种方法，我可以训练HMM，使其能够识别样本中输入的单词

---

希望有人能帮忙：）

自动音素切分是一个棘手的问题，因此我将提供一些我喜欢的资源，这些资源涉及到不同层次的细节

本文件：

本文件：

这个资源非常好：

本书给出了一些音素识别的好例子：

这本书也很不错：

这些书很贵，但（在我看来）是值得的

我可以训练我的HMM算法，让它解释这些值吗

当然可以

或者有谁能建议一种方法，我可以训练HMM，使其能够识别样本中输入的单词

您只需要将过零率与MFCC特性（如14th feature）放在一个特性文件中，并使用任何标准的HMM训练工具包（如CMUSphinx或HTK）来训练HMM并使用它进行解码。有关更多信息，请参阅

或

---

嗯，对你的处境来说，似乎有点过分了。你有没有想过，比如说，逻辑回归？@Bjorn Roche-嘿，这一定是一个嗯。。这就是我的项目是基于anks的，你的回答：）那么，只是为了确认，是的，计算过零的值都是低值，所以我可以训练HMM，使它可以从低值开始，然后增加，而“否”则值可以从低值开始，然后不增加，这会起作用吗？还有，我是否可以扩展它并使用DFT来训练hmm？再次感谢！您可以使用HMM检测过零率中的时间模式，并使用过零特征值区分是和否。我不知道你说的“扩展这个”是什么意思。请详细说明。DFT和HMM培训并不是真正相关的事情。您好，我今天刚回来（当时正在准备我的平板电脑，所以我的回答有点不准确）。好的，所以，基本上，过零结果有一个模式（增加表示是，保持停滞表示否），但是如果我将这些值转换成不同的时域FFT，我可以用这些值训练HMM吗？它将使用FFT值进行训练，而不是像（12、14、53、64）这样的值。谢谢：）您不需要使用FFT将其转换为时域，FFT仅适用于音频数据。您可以将过零率与类似FFT的数据（如Mel倒谱）结合使用，以改进检测。或者您可以单独使用过零，这只是将过零率数据转换为标准特征文件格式的任务。