Sprachliche Mensch-Maschine-Kommunikation

224 14. Das akustische Modell
14.2 Der Parameterraum des Akustischen Modells
Während der gesamte Parameterraum des akustischen Modells eines Spracherkennungssystems
aus vielen verschiedenen Arten von Parametern bestehen
kann, so bilden die Parameter der parametrischen Schätzer der Emissionswahrscheinlichkeiten
den größten und wichtigsten Teil dabei. Neben
den Emissionswahrscheinlichkeiten rechnet man üblicherweise auch die Zustandsübergangswahrscheinlichkeiten
zwischen den Zuständen eines Wortes
zum akustischen Modell.
14.2.1 Emissionswahrscheinlichkeitsmodelle
Auch wenn verschiedene Modelle zur Berechnung der HMM-Emissionswahrscheinlichkeiten
eingesetzt werden, so verwendet doch die weitaus größte
Zahl der erfolgreichen Spracherkenner dafür Gauß-Mischverteilungen bzw.
leichte Abwandlungen davon.
Alternative Methoden sind Neuronale Netze wie mehrschichtige Perzeptronen.
Auch kompliziertere Konstruktionen wie hierarchische Mixturen von
Experten [?] (s. Abs. 22.2.7) oder Time-Delay Neuronale Netze [?] (s. Abs.
22.2.5) werden eingesetzt.
Wie in Abb. 12.8 schon gezeigt ist es üblich, daß verschiedene HMM-
Zustände dieselben Emissionswahrscheinlichkeiten benutzen. Diese können
wie in Abb. 12.8 Phoneme repräsentieren aber auch andere Spracheinheiten.
Aus der Sicht eines Hidden-Markov-Modells spielt es keine unmittelbare Rolle,
was für eine Spracheinheit U einem Zustand zugeordnet ist und welcher
Bauart die Emissionswahrscheinlichkeitsmodelle sind. Bei der Implementierung
eines Spracherkenners können diese wie eine abstrakte Klasse behandelt
werden, die einige Operationen bieten muß. Zu diesen Operationen gehören:
• Wahrscheinlichkeitsberechnung:
gegeben: Beobachtung xt
gesucht: P(xt|U)
• Trainingsdatenakkumulation:
gegeben: Beobachtung xt und Trainingsgewicht γt(U)
Aufgabe: je nach Modell,
bei Gauß-Mischverteilungen: E(x) und E(x 2 ) nachführen
• Neuberechnung der Parameter:
Aufgabe: je nach Modell,
bei Gauß-Mischverteilungen: EM-Algorithmus ausführen