基於HMM的語音識別（二）

今天進入特徵提取部分，原文的2.1部分，進入正題。 特徵提取階段試圖提供語音波形的緊湊形式（這裏我理解不是很好，往下看）。這種形式最大限度的減少單詞間的區分信息的丟失，並且與聲學模型的分佈假設進行良好的匹配。比如，如果對角協方差高斯分佈用於狀態輸出分佈，那麼這些特徵應該被設計爲高斯並且是不相關的。 通常使用約25ms的重疊分析窗每10ms計算一次特徵向量。其中最簡單也是最常用的編碼方式是梅爾倒譜系

>>阅读原文<<