【隐马尔可夫模型及其在时间序列识别中的应用】蒋文建.pdf

目录誉目目录中文摘要英文摘要.IV 第一章绪论 1时间序列分析 1语音识别 1心电信号识别 1本文的工作,S 1本文的组织第二章隐马尔可夫模型 2Markov链2隐马尔可夫模型,2隐马尔可夫模型的描述 2隐马尔可夫模型的三个问题2离散隐马尔可夫模型,2问题一:估值问题的解2问题二:解码问题的解2问题三:训练问题的解2连续隐马尔可夫模型,2半连续隐马尔可夫模型第三章语音信号数字处理与特征提取 3.

摘要摘要隐马尔可夫模型(HMM)是信号处理的一种重要的模型,在现代信号处理中得到广泛的应用,本文将HMM用于时间序列的识别、细致地研究了HMM的原理,详细推导了解决HMM三个基本问题的算法.2、建立了一套实时汉语语音识别实验演示系统,用于108城市名的识别,通过处理大量的语音数据,用连续隐马尔可夫模型(CHMM)训练、建模、识别,从实验结果来看,对于非特定人识别取第一名有80 的识别率,取前八名有100 的识别率、将HMM理论用于心电(ECG)信号识别,并结合子波变换,用子波变换进行特征提取,具有开拓性意义.并和LPC倒谱系数特征进行比较.

第一章绪论第一章绪论 1时间序列分析时间序列分析在自然现象的研究、工业、医学．生物及经济管理等领域都有广泛的应用.时间序列就是时间次序排列的观测值集合,它是概率统计的一个重要组成部分,用概率统计的方法分析随机变化的随机数据序列,包括对随机数据序列的建模、参数优化、最佳预测和控制,按照研究的现象或问题的不同,可地区降雨量,电气工程师研究电子接受机的内部噪声,出现在示波器上的心电信号(ECG)、肌电信号(EMG)、脑电信号,还有时间函数的语音信号等.在实际中获得的时间序列大致有两者类型,一种是依连续时间进行观测．记录,一种是依离散时间进行观测和记录.