目录 1
第一章 HMM基本理论 1
§1.1 HMM基本思想 2
1.1.1 Markov链 2
1.1.2 HMM基本概念 3
1.1.3 HMM定义 4
§1.2 HMM基本算法 5
1.2.1 前向-后向算法 5
1.2.2 Viterbi算法 7
1.2.3 Baum-Welch算法 9
1.3.1 初始模型选取 11
§1.3 HMM算法实现中的问题 11
1.3.2 多个观察值序列训练 12
1.3.3 比例因子问题 13
1.3.4 Markov链的形状 15
§1.4 关于HMM训练的几点考虑 17
1.4.1 克服训练数据的不足 17
1.4.2 处理说话者的影响 21
1.4.3 改进经典训练算法 23
第二章 各具特色的HMM 26
§2.1 连续和半连续HMM 27
2.1.1 连续HMM 27
2.1.2 线性预测HMM 30
2.1.3 半连续HMM 34
2.2.1 利用Gibbs分布取代Markov链的HMM 37
§2.2 对Markov链修正后的HMM 37
2.2.2 在Markov链中考虑状态驻留时间的HMM 39
2.2.3 二阶HMM 43
§2.3 其它有代表性的HMM简要综述 44
第三章 HMM在语音处理中的应用 47
§3.1 语音识别 47
3.1.1 孤立词与连接词识别 47
3.1.2 音素HMM连续语音识别 53
3.1.3 大型HMM音素识别 70
§3.2 语音增强 76
3.2.1 加性高斯白噪声中的语音增强方法 76
3.2.2 噪声环境下的语音处理 86
3.3.1 语音特征参数数据的压缩实验 90
§3.3 语音压缩 90
3.3.2 经典矢量量化方法的改进 98
第四章 HMM其它问题讨论 103
§4.1 HMM与神经网络（NN） 103
4.1.1 HMM与多层感知机（MLP）的统一描述 107
4.1.2 混合HMM/MLP方法 107
§4.2 HMM算法的VLSI设计 110
4.2.1 多处理器实现 110
4.2.2 Systolic结构 113
§4.3 关于HMM语音处理系统软硬件实现 118
4.3.1 HMM算法C语言编程举例 118
4.3.2 基于TMS320C25芯片的硬件系统设计 125
附录 Baum-Welch算法中重估公式的推导 129
参考文献 133