机器学习&数据挖掘笔记_13（用htk完成简单的孤立词识别）

　　最近在看图模型中著名的HMM算法，对应的一些理论公式也能看懂个大概，就是不太明白怎样在一个具体的机器学习问题（比如分类，回归）中使用HMM，特别是一些有关状态变量、观察变量和实际问题中变量的对应关系，因此目前急需一个实际例子来加深对HMM算法的仰慕，大家如有好的例子来具体学HMM算法的话，欢迎分享！众所周知，著名的HMM开源库为Hidden Markov Model Toolkit（以下简称HTK），而HTK在语音识别领域应用很成功，这2天花了些时间学习了HTK的使用，完成的是最简单孤立词的识别，即Yes、No的语音识别，网上这方面的教程纵多，见参考资料部分。

　　当然了，进行实验的前提是正确安装HTK，安装过程可以结合HTK目录下（HTK解压后所在目录）的readme文件和文章windows下安装编译HTK语音识别工具包。

我主要是参考文章语音识别工具箱之HTK安装与使用中的步骤来完成Yes/No语音识别的，大概的步骤和博主的差不多（这里不再重现该过程，因为这方面资料实在太多），下面主要讲下一些细微的需要注意的地方：

　　1. 录音的原文件不能太少，不然在进行HMM初始化时很容易报错。我这里Yes和No都录的是25次。

　　2. 在用HSLab.exe录音时，由于这个小软件实在是不太好用，有些bug。每次录完2个音，把它标注好，重命名（即手动命名，按照一定顺序，不要重名，下次录音前需把该软件给后重新打开，否则即使你是重新new了一个文件后录的音，在你标注音频文件后保存文件时该软件很有可能会把以前标注过的音频信息给重复过来，这样在后面的HInit 步骤会老出错。因此，在每次标注音频文件.lab时，一定要保证其标注的信息只对应一个音频文件.sig。注意标注时，htk时间后面的单位是10us，转换成秒时需要除以10^7.

　　3. 在进行Hcompv步骤时，只需运行一次来得到vFloors文件(不需要对yes,no,sil分别运行)。

　　4. 如果在HRest步骤出现与vFloors有关的错误，则可以在HRest命令中省去与vFloors相关的内容，这样一般不太会影响后面HMM的训练和识别。

　　5. 在HParse步骤时，在建立gram.txt文件时，文件的最后要有一个空行，否则HParse步会一直失败。

　　其它方面基本按照语音识别工具箱之HTK安装与使用就可以了。另外，还HTK (v.3.1): Basic Tutorial和htkbook也是非常好的参考资料。

　　由实验可知，这里每个单词都定义为一个HMM模型，HMM模型中状态的个数是人为先验设定的，这里统一采用4个（状态数可以不相同），每个状态的实际含义大致是该单词发音的声母、韵母等（也不一定严格对应），多个状态的序列构成了一个单词。每个状态的输出（即观察变量）为GMM的参数向量，这些参数向量的长度和训练语音断的MFCC特征长度一致，这里都是39维。

　　参考资料：

语音识别工具箱之HTK安装与使用

利用HTK工具包快速建立一个语音命令识别系统

基于HTK语音工具包进行孤立词识别的使用教程

HTK工具搭建识别器的总体框架

windows下安装编译HTK语音识别工具包

HTK (v.3.1): Basic Tutorial.pdf

htkbook.pdf

http://htk.eng.cam.ac.uk/