java - 隐马尔可夫模型阈值化

Question

我开发了一个使用 mfcc 和隐马尔可夫模型进行声音识别的概念验证系统。当我用已知声音测试系统时，它给出了有希望的结果。虽然系统在输入未知声音时会返回最接近匹配的结果，并且分数不是那么明显，无法设计它是未知声音，例如:

我已经训练了 3 个隐马尔可夫模型，一个用于语音，一个用于水龙头流出的水，一个用于敲 table 。然后我在看不见的数据上测试它们并得到以下结果:

input: speech
HMM\knocking:  -1213.8911146444477
HMM\speech:  -617.8735676792728
HMM\watertap:  -1504.4735097322673

So highest score speech which is correct

input: watertap
HMM\knocking:  -3715.7246152783955
HMM\speech:  -4302.67960438553
HMM\watertap:  -1965.6149147201534

So highest score watertap which is correct

input: knocking
HMM\filler  -806.7248912250212
HMM\knocking:  -756.4428782636676
HMM\speech:  -1201.686687761133
HMM\watertap:  -3025.181144273698

So highest score knocking which is correct

input: unknown
HMM\knocking:  -4369.1702184688975
HMM\speech:  -5090.37122832872
HMM\watertap:  -7717.501505674925

这里的输入是一个未知的声音，但它仍然返回最接近的匹配，因为没有阈值/垃圾过滤系统。

我知道在关键字识别中可以使用垃圾或填充模型过滤掉 OOV(词汇表外)声音，但它说它是使用一组有限的未知单词训练的，而这不能应用于我的系统因为我不知道系统可能录制的所有声音。

语音识别系统是如何解决类似问题的？我该如何解决我的问题以避免误报？

Answer 1

要拒绝其他词，您需要一个填充模型。

这是一个统计假设检验。你有两个假设(词是已知的，词是未知的)。要做出决定，您需要估计每个假设的概率。

填充模型是根据您的语音训练的，只是以不同的方式训练，例如，它可能是任何语音的单一高斯分布。您比较通用填充模型的分数和 HMM 一词的分数并做出决定。如需更深入的信息和高级算法，您可以查看任何有关关键字识别的论文。这篇论文好评如潮:

语音中的声学关键词识别及其在数据挖掘中的应用A. J. Kishan Thambiratnam

http://eprints.qut.edu.au/37254/1/Albert_Thambiratnam_Thesis.pdf