Sprachliche Mensch-Maschine-Kommunikation

230 14. Das akustische Modell
Der große Vorteil der Multi-Stream Methode liegt nicht nur in der Unterteilung
des Merkmalsraumes ist mehrere Teilräume, die jeder für sich leichter
und besser trainierbar sind, sondern auch in den folgenden möglichen Anwendungen:
• Verwendung unterschiedlicher Rechenverfahren für Emissionswahrscheinlichkeiten:
So ist es zum Beispiel möglich, eine Emissionswahrscheinlichkeit zu
berechnen, zu der sowohl Gauß-Mischverteilungen als auch andere Modelle
wie künstliche neuronale Netze oder andere parametrische Schätzer beitragen.
Dann kann die Gesamtemissionswahrscheinlichkeit als gewichtetes
Produkt der Ergebnisse der einzelnen Berechnungsmethoden zusammengesetzt
werden. Erfolgreich wurde dies schon bei hierarchischen Mixturen
von Experten [?] eingesetzt (s. Abs. 22.2.7).
• Möglichkeit, die verschiedenen Ströme je nach HMM-Zustand unterschiedlich
zu gewichten:
Zunächst wurden bei Multi-Stream Systemen die Gewichtungsfaktoren für
die einzelnen Ströme empirisch bestimmt und dieselben Gewichte für alle
akustischen Modelle verwendet, so zum Beispiel in [?] [?] [?]. Nun ist es
durchaus sinnvoll zu erwarten, daß manche akustischen Modelle von dem
einen oder anderen Strom stärker abhängen als von anderen. So könnte man
vermuten, daß Diphthonge mehr von den Delta-Koeffizienten abhängen
beziehungsweise von diesen besser modelliert werden, während Frikative
eher weniger von den Delta-Koeffizienten abhängen. So berechnet sich die
Emissionswahrscheinlichkeit bj(x) für die Beobachtung von x im Zustand
j mit n Datenströmen als:
bj(x) =
n
b i j(x) fi(j)
i=1
(14.6)
Die Gewichtung fi(j), mit der der i-te Datenstrom in die Berechnung für
den Zustand j eingeht, muß selbstverständlich im Exponenten geschehen,
wenn die Einzelwahrscheinlichkeiten aufmultipliziert werden. Betrachtet
man statt der Emissionswahrscheinlichkeiten deren Logarithmen, so ergibt
sich eine multiplikative Gewichtung. Um sicherzustellen, daß die bj(xt)
echte Wahrscheinlichkeiten sind, muß natürlich gelten, daß 0 ≤ fi(j) ≤ 1
und n
i=1 fi(j) = 1.0 ∀j.
Eine Möglichkeit, geeignete Werte für die fi(j) zu finden, wird in [?]
vorgestellt. Dabei wird für jede Trainingsaufnahme ein Viterbi-Pfad
q1, q2, . . .qn und alle Emissionswahrscheinlichkeiten bj(xt) berechnet.
Letzteres kann je nach Parameterraum sehr aufwendig werden. Wenn der