1 简介
语音识别技术为人们提供一种更方便的人机界面，使人与计算机之间、人与人之间的通信更加方便、快捷。随着对语音识别技术深入的研究，它已经发展成为一门跨越多领域的综合学科，它与声学、语言学、心理学、信号处理、人工智能、模式识别、信息论和计算机技术等诸多学科领域紧密相连。它已在许多领域显示了巨大的应用前景，并且正在从研究走向应用。
2 部分代码
function hmm = inithmm(samples, M)
K = length(samples); %语音样本数
N = length(M); %状态数
hmm.N = N;
hmm.M = M;
% 初始概率矩阵
hmm.init = zeros(N,1);
hmm.init(1) = 1;
% 转移概率矩阵
hmm.trans=zeros(N,N);
for i=1:N-1
hmm.trans(i,i) = 0.5;
hmm.trans(i,i+1) = 0.5;
end
hmm.trans(N,N) = 1;
% 概率密度函数的初始聚类
% 平均分段
for k = 1:K
T = size(samples(k).data,1);
samples(k).segment=floor([1:T/N:T T+1]);
end
%对属于每个状态的向量进行K均值聚类,得到连续混合正态分布
for i = 1:N
%把相同聚类和相同状态的向量组合到一个向量中
vector = [];
for k = 1:K
seg1 = samples(k).segment(i);
seg2 = samples(k).segment(i+1)-1;
vector = [vector ; samples(k).data(seg1:seg2,:)];
end
mix(i) = getmix(vector, M(i));
end
hmm.mix = mix;
function mix = getmix(vector, M)
[nn esq] = kmeans(vector,M);
% 计算每个聚类的标准差, 对角阵, 只保存对角线上的元素
for j = 1:M
ind = find(j==nn);
tmp = vector(ind,:);
var(j,:) = std(tmp);
m(j,:) = mean(tmp);
end
% 计算每个聚类中的元素数, 归一化为各pdf的权重
weight = zeros(M,1);
for j = 1:M
weight(j) = sum(find(j==nn));
end
weight = weight/sum(weight);
% 保存结果
mix.M = M;
mix.mean = m; % M*SIZE
mix.var = var.^2; % M*SIZE
mix.weight = weight; % M*1
3 仿真结果
4 参考文献
[1]沈泉波, 韩慧莲. 基于HMM的语音识别系统的Matlab仿真[J]. 电声技术, 2012, 36(10):56-57.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
