کاهش زمان محاسبه احتمال رویت یک مشاهده در یک حالت از مدل مخفی مارکوف در بازشناسی گفتار

بازشناسی گفتار بیشتر بر روی کامپیوترهایی با توان پردازشی بالا مورد استفاده قرار گرفته است. برای اجرای این الگوریتمها بر روی س یس تم های با توان پردازشی و حافظه محدود مثل تلفن همراه و سیستمهای نهفته لازمست که این روشها بهینهسازی شوند. درس یس تمهای بازش ناس ی گفتار مبتنی بر مدل مخفی مارکوف از الگوریتم ویتربی برای پیدا کردن بهترین نتیجه در مرحله آزمایشاس تفاده میش ود. محاس به احتمال رویت یک مش اهده در یک حالت از مدل مخفی مارکوف پیچیدهترین بخش الگوریتم ویتربی میباش د. یکی از روشهای کاهش حجم محاس به احتمال مش اهدهها خوش هبندی توزیع مولفههای گاوس ی مدل مخفی مارکوفمیباش د. در این روشها خوش هها به همراه میانگین و واریانس خوش هبندی میش وند. در این مقاله برخلاف این روشها مقادیر میانگین و واریانس توزیعهای مولفههای گاوس ی مدل مخفی مارکوف جداگانه در نظر گرفته ش ده و خوش ه بندی میشوند. در روش پیشنهادی با کاهش 27 درصدی ضریب بلادرنگی نرخ خطای کلمه تنها به میزان 8.0 افزایش مییابد