Est. Ingeniería en Sistemas

Reconocimiento de voz mediante Modelos
Ocultos de Markov

Adriana Becerra, Marcela Gómez, María Fernanda Ordóñez, Byron Macas, Ing. Janeth Chic
August 3, 2009

Abstract
El presente proyecto tiene como nalidad mostrar la aplicabilidad de
los Modelos Ocultos de Marcov en el reconocimiento de voz, se hace una
breve descripci'on de los conceptos básicos necesarios para realizar, losalgoritmos que se utilizan y una descripción de herramientas HTK para
el diseno y manipulación de HMMs
HMMs, Reconocimeinto de voz, HTK, Viterbi

1

Introduction

El reconocimiento de voz en la actualidad es uno de los temas de investigación
más relevante al cuál se le pueden aplicar una serie de técnicas y modelos; en
éste paper especicamos la aplicabilidad de modelos ocultos de marcov parasu
desarrollo. Estos modelos son una extensión de las Cadenas de Markov (Hidden
Markov Model) asumen que el sistema estudiado sigue un proceso de Markov
con parámetros desconocidos.
Los principales algoritmos que intervienen dentro de éste modelo son: El
algoritmo de Vitervi, que es un algoritmo que permite encontrar la secuencia de
estados más probable en un HMM a partir de la observación ;éste algoritmo
parte de un estado inicial y, teniendo en cuenta la probabilidad de transicion
entre estados, la probabilidad de emision de estos estados y las probabilidades
que gobiernan la concatenacion de modelos representativos de palabras, obtiene
de manera recurrente la secuencia de estados más probable. Los modelos que
subyacen a esta secuencia de estados mas probable son los quedeterminan la
trascripcion de la secuencia que estamos reconociendo. A mas de éste algoritmo
citaremos de una manera general otros como los algoritmos forward y backward
y el algoritmo de Baum Welch.
El objetivo principal de éste paper consiste en buscar soluciones originales y
ecaces al problema de reconocimiento de habla en presencia de ruidos aditivos
∗ abbecerra@utpl.edu.ec,mtgomez@utpl.edu.ec,

macas@utpl.edu.ec

1

mfordonez@utpl.edu.ec,

bg-

y de las distorsiones propias de los sistemas de comunicaciones inal´ambricos
actuales, para lo cuál realizamos una simulación de reconocimiento de voz utilizando ésta técnica mediante el software de simulación Matlab.

2

Modelos Ocultos de Markov

Los modelos ocultos de Markov (HMM), es un proceso estocástico queconsta de
un proceso de Markov no observado (oculto) y un proceso observado O cuyos
estados son dependientes estocásticamente de los estados ocultos. [VIR] La
tarea fundamental consiste en determinar los parámetros ocultos a partir de
los parámetros observados. La diferencia fundamental respecto a un modelo de
Markov habitual consiste en que los estados no son directamente visibles para elobservador, pero sí lo son las variables inuenciadas por el estado. Cada estado
tiene una distribución de probabilidad asociada sobre el conjunto de posibles
valores de salida. La secuencia de valores de salida generados a partir de un
HMM nos dará cierta información sobre la secuencia de estados. [EM] Una de
las aplicaciones más utilizadas de estos modelos, es el reconocimiento del habla,
estatécnica ha permitido modelar adecuadamente la gran variabilidad en el
tiempo de la señal de voz [RE].
2.1

Arquitectura de los HMM

Esta arquitectura se da de acuerdo al número de estados que lo componen y las
transiciones permitidas entre dichos estados. Los principales modelos esistentes
son : Modelos de izquierda a derecha y Modelos ergódicos.
ˆ Modelos de izquierda a derecha

ˆModelos Ergódicos
2

2.2 Tipos de Modelos Ocultos de Markov

ˆ HMM Discretos
ˆ HMM Continuos
ˆ HMM Semicontinuos
2.3 Algoritmos HMM

ˆ Algoritmo Viterbi
El algoritmo de Viterbi nos permite encontrar las secuencia de estados más
probable en un Modelo Oculto de Markov (MOM) a partir de una observación ,
éste obtiene la secuencia óptima que mejor explica la secuencia de observaciones.
Los...