كاهش زمان محاسبه احتمال رويت يك مشاهده در يك حالت از مدل مخفي ماركوف در بازشناسي گفتار

بازشناسی گفتار بيشتر بر روی كامپيوترهایی با توان پردازشی بالا مورد استفاده قرار گرفته است. برای اجرای این الگوریتمها بر روی س يس تم های با توان پردازشی و حافظه محدود مثل تلفن همراه و سيستمهای نهفته لازمست كه این روشها بهينهسازی شوند. در س يس تمهای بازش ناس ی گفتار مبتنی بر مدل مخفی ماركوف از الگوریتم ویتربی برای پيدا كردن بهترین نتيجه در مرحله آزمایش اس تفاده میش ود. محاس به احتمال رویت یك مش اهده در یك حالت از مدل مخفی ماركوف پيچيدهترین بخش الگوریتم ویتربی میباش د. یكی از روشهای كاهش حجم محاس به احتمال مش اهدهها خوش هبندی توزیع مولفههای گاوس ی مدل مخفی ماركوف میباش د. در این روشها خوش هها به همراه ميانگين و واریانس خوش هبندی میش وند. در این مقاله برخلاف این روشها مقادیر ميانگين و واریانس توزیعهای مولفههای گاوس ی مدل مخفی ماركوف جداگانه در نظر گرفته ش ده و خوش ه بندی میشوند. در روش پيشنهادی با كاهش 27 درصدی ضریب بلادرنگی نرخ خطای كلمه تنها به ميزان 8.0 افزایش مییابد.