曦曦のblog

(PS：只作为尝试，不保证正确)

系统简介：

HTK是隐马尔可夫模型工具箱，由剑桥大学工程系研发而成。该工具箱的目的是搭建使用隐马尔可夫模型。

详见：http：//htk.eng.cam.ac.uk/

搭建步骤：

a)      训练库创建：词汇集中的每个元素进行多次录制，且对相应词汇做好标签；

b)      声学分析：将波形数据文件转换为一系列系数向量；

c)      模型定义：为总词汇集中的每个元素定义一个HMM原型；

d)      模型训练：使用训练数据对每个HMM模型进行初始化、训练；

e)      任务定义：识别系统的语法（什么可被识别）的定义；

f)       未知输入信号识别；

g)      评估：识别系统的性能可通过测试数据进行评估。

工作环境构建：

创建如下目录结构：

a)      data/：存储训练和测试数据（语音信号、标签等等） ，包括2个子目录，data/train/和 data/test/，用来区分识别系统的训练数据和评估数据；

b)      analysis/：存储声学分析步骤的文件；

c)      training/：存储初始化和训练步骤的相关文件；

d)      model/：存储识别系统的模型（HMMs）的相关文件；

e)      def/：存储任务定义的相关文件；

f)       test/：存储测试相关文件。

后期要建立的几个文件：analysis.conf   targetlist.txt  hmmlist.txt   trainlist.txt

过程：

1、  建立训练资料

a. 录制音频
HSLab name.sig
b. 标记信号
在HSLab中标记信号位置

(continue reading…)

C语言版：
1、 HTK（Hidden Markov Model Toolkit）：
HTK是英国剑桥大学开发的一套基于C语言的隐马尔科夫模型工具箱，主要应用于语音识别、语音合成的研究，也被用在其他领域，如字符识别和DNA排序等。HTK是重量级的HMM版本。
HTK主页：http://htk.eng.cam.ac.uk/
2、 GHMM Library：
The General Hidden Markov Model library (GHMM) is a freely available LGPL-ed C library implementing efficient data structures and algorithms for basic and extended HMMs.
GHMM主页：http://www.ghmm.org/
3、 UMDHMM（Hidden Markov Model Toolkit）：
Hidden Markov Model (HMM) Software: Implementation of Forward-Backward, Viterbi, and Baum-Welch algorithms.
这款属于轻量级的HMM版本。
UMDHMM主页：http://www.kanungo.com/software/software.html

Java版：
4、 Jahmm Java Library (general-purpose Java library)：
Jahmm (pronounced “jam”), is a Java implementation of Hidden Markov Model (HMM) related algorithms. It’s been designed to be easy to use (e.g. simple things are simple to program) and general purpose.
Jahmm主页：http://code.google.com/p/jahmm/

Malab版：
5、 Hidden Markov Model (HMM) Toolbox for Matlab：
This toolbox supports inference and learning for HMMs with discrete outputs (dhmm’s), Gaussian outputs (ghmm’s), or mixtures of Gaussians output (mhmm’s).
Matlab-HMM主页：http://www.cs.ubc.ca/~murphyk/Software/HMM/hmm.html

Common Lisp版：
6、CL-HMM Library (HMM Library for Common Lisp)：
Simple Hidden Markov Model library for ANSI Common Lisp. Main structures and basic algorithms implemented. Performance speed comparable to C code. It’s licensed under LGPL.
CL-HMM主页：http://www.ashrentum.net/jmcejuela/programs/cl-hmm/

Haskell版：
7、The hmm package （A Haskell library for working with Hidden Markov Models）：
A simple library for working with Hidden Markov Models. Should be usable even by people who are not familiar with HMMs. Includes implementations of Viterbi’s algorithm and the forward algorithm.
Haskell-HMM主页：http://hackage.haskell.org/cgi-bin/hackage-scripts/package/hmm
注：Haskell是一种纯函数式编程语言，它的命名源自美国数学家Haskell Brooks Curry，他在数学逻辑方面上的工作使得函数式编程语言有了广泛的基础。

根据自己参考几个版本的资料，进行一下总结。

1、 《人机自然交互》（张有为 等著），第一次接触HMM，看得不详细，似懂非懂的，但可以说它是中文版中比较好的参考资料，准备抽空再看一遍。

2、 HTK book，chapter1 The Fundamentals of HTK，讲HMM的基础知识 ,chapter7~10,讲HTK中的HMM，如果不好好看前面几章基本就不怎么看得懂了。

3、 http://jedlik.phy.bme.hu/~gerjanos/HMM/hoved.html ，这两天看的这个版本的，前面基本能消化了，后面的连续的模型公式实在头大。这个版本的资料写的很详细，推荐。

4、 http://www.comp.leeds.ac.uk/roger/HiddenMarkovModels/html_dev/main.html ，上面那个唯一的缺陷是例子很少，这个版本有很多例子，解释的也很详细，适合初学者。

5、 Wikipedia

Hidden Markov model

http://en.wikipedia.org/wiki/Hidden_Markov_model

Forward-backward algorithm

http://en.wikipedia.org/wiki/Forward-backward_algorithm

Viterbi algorithm

http://en.wikipedia.org/wiki/Viterbi_algorithm

Baum–Welch algorithm

http://en.wikipedia.org/wiki/Baum-Welch_algorithm

继续加油看咯~干嘛列这么复杂的公式哩！？