刘鹏程，袁三男，刘虹

（上海电力学院电子与信息工程学院，上海，200090）

0 引言

信息技术日新月异的进步使语音识别成为可能，且在全球范围内得到了广泛的关注。人工神经网络（ANN）最早于20世纪80年代开始被引入声学领域，并利用反向传播方法（BP）对网络进行训练，极大地提高了语音识别的准确率和效率。但是，随着相关研究的补充和完善，传统神经网络已经难以满足使用需求，各种缺陷也越来越突出，此后，人们开始寻求新的识别方法，例如尝试通过高斯混合模型（GMM）实现语音识别。2006年，著名学者Hinton将深度学习[1-2]引入语音识别过程，研究结果表明，此方法可以比较有效地防止陷入局部最优。以深度神经网络（DNN）为基础的声学模型[3]性能远好于传统的高斯混合模型（GMM），因而得到了大范围应用，极大地促进了语音识别的效果的优化。语音识别在人机交互的巨大潜力使得众多国内外公司如苹果和科大讯飞在语音识别的研究上投入了大量的人力和财力，并且也取得了不菲的成绩，得到了商业上的巨大成功。语音识别的迅猛发展极大的方便了我们的生产和生活，也必将在未来的信息化时代写下浓墨重彩的一笔。

1 隐马尔科夫模型

1.1 概述

可以通过参数对特定的隐马尔科夫模型进行表示[4]。模型的状态集合是,其中N为状态个数；代表不同状态下能够观测到的输出，集合中M代表可观测符号数量；aij代表t时刻到t+1完成状态转换的概率，全部的aij共同构成矩阵A，即：B代表能够观测到的状态的概率情况，分析过程中结合观测量对HMM模型进行区分，包括离散和连续两种类型。……