Belegarbeit (.pdf - 2.3 MB) - Technische Universität Dresden

3. ALLGEMEINER AUFBAU EINES SPRACHERKENNERS 21
Referenzmuster durchgeführt und das am besten passende gesucht. [7]
3.3.3 Hidden Markov Modell
Das Hidden Markov Modell (HMM) versucht Sprachsignale durch ihre statistischen Eigenschaften zu
beschreiben. Zu jedem Eintrag im Vokabular wird ein statistisches Modell erstellt. Dabei wird jeder
Eintrag in seine Phoneme zerlegt und die entsprechenden Wahscheinlichkeiten ermittelt. Abbildung 3.7
stellt dieses Modell für das Wort ’haben’ dar. Im oberen Teil sind die Übergangswahrscheinlichkeiten für
die einzelnen Zustände zu sehen. Im unteren Teil werden die Wahrscheinlichkeiten dafür gegeben, im
entsprechenden Zustand die angegebene Beobachtung gemacht zu haben. Die zeitlichen Unterschiede
zwischen Eingabe und Referenz werden dadurch beglichen, das auch die Wahrscheinlichkeiten dafür
gegeben sind ob ein Zustand weiterhin anhält oder ob ein Übergang stattfindet.
Abbildung 3.7: Hidden Markov Modell für das Wort ’haben’ nach [7]
Später wird die Wahrscheinlichkeit, dass die Beobachtete Phonemfolge tatsächlich zu einer Referenz
gehört, durch folgende Formel berechnet:
P (Y ) = ∑ X
P (Y |X) P (X)
Wobei Y die beobachtete Phonemfolge ist und X der Phonemfolge einer Referenz entspricht. Auch hier
wird zum Schluß die wahrscheinlichste Referenz als Ergebnis zurückgegeben oder die gesamte Eingabe
als ’nicht erkannt’ verworfen. [7]