解码任务 给定声学观测O=o1,o2,…,oTO = o_1, o_2, … , o_TO=o1​,o2​,…,oT​,找到最可能的词序列W=w1,w2,…,wNW = w_1, w_2, … , w_NW=w1​,w2​,…,wN​，这一过程称为解码，即把观测到的声音信号，转换为对应的文字的过程。 解码公式 W^=arg⁡max⁡wP(W∣O)=arg⁡max⁡wP(O∣W)∗P(W)\hat { W }=\underset{w}{\arg \max } P\left(W | O \right) \\ = \underset{w}{\arg \max } P\left(O | W \right) * P\left(W\right) W^=wargmax​P(W∣O)=wargmax​P(O∣W)∗P(W) 式中，W^\hat { W }W^是解码的结果，$ P\left(O | W \right)使用声学模型来刻画，使用声学模型来刻画，使用声学模型来刻画，P\left(W\right)$使用语言模型来刻画。 维特比算法根据观测的声学特征，确定概率最大的HMM状态序列，有了状态序列，就 ...

统计语言模型 一个统计语言模型包含一个有限集合V，和一个函数p(x1,x2,...xn)p(x_1,x_2,...x_n)p(x1​,x2​,...xn​)，满足： 对于任意(x1,x2,...xn)∈v+(x_1,x_2,...x_n)\in v^+(x1​,x2​,...xn​)∈v+，有p(x1,x2,...xn)≥0p(x_1,x_2,...x_n) \ge 0p(x1​,x2​,...xn​)≥0 所有词序列的概率之和为1 ∑(x1,…,xn,⟩∈v+p(x1,x2,…,xn)=1\sum_{\left( x_{1}, \ldots, x_{n}, \right\rangle \in v^{+}} p\left(x_{1}, x_{2}, \ldots, x_{n}\right)=1 (x1​,…,xn​,⟩∈v+∑​p(x1​,x2​,…,xn​)=1 统计语言模型是所有词序列上的一个概率分布 计算方法 统计语言模型概率的计算方法： P(S)=P(x1=w1,…xn=wn)=P(w1n)=P(w1)P(w2∣w1)P(w3∣w12)…P(wn∣w1n−1)=∏k=1n ...

框架 基于GMM-HMM模型的语音识别的框架如下图所示： 在数据准备阶段，需要获得的数据包括：音频、文本，以及词典、音素集、问题集等 在特征提取阶段，根据前文所述的方法，对原始音频数据进行分帧等操作，提取MFCC特征 在单音素GMM-HMM建模阶段，使用单音素作为基本的识别单元，进行模型训练 在三音素GMM-HMM建模阶段，使用三音素作为基本的识别单元，进行模型训练 在解码阶段，根据训练得到的模型参数，从wav推出txt 几种模型 根据识别单元的不同，可将GMM-HMM模型划分为几种类型 基于孤立词的GMM-HMM 目标 为词表中的每个词建立一个GMM-HMM模型，对于待识别音频，找出使该观测值概率最大的模型，识别结果就是该模型对应的单词。用公式表示如下：  answer =arg⁡max⁡w∈ vocab Pw(Xtest )\text { answer }=\underset{w \in \text { vocab }}{\arg \max } P_{w}\left(\boldsymbol{X}_{\text {test }}\right)  answer =w∈ vocab ...

基本概念 定义 隐马尔可夫模型是关于时间序列的概率模型 由隐藏的马尔可夫链生成不可观测的隐藏状态序列，再由每个状态生成一个观测而产生观测序列的过程。 组成 符号 含义 Q={q1,q2,...qN}Q=\{q_1, q_2, ... q_N\}Q={q1​,q2​,...qN​} 状态的集合（共N个） V={v1,v2,...vM}V=\{v_1, v_2, ... v_M\}V={v1​,v2​,...vM​} 观测的集合（共M个） I={i1,i2,...iT}I=\{i_1, i_2, ... i_T\}I={i1​,i2​,...iT​} 长度为T的状态序列 O={o1,o2,...oT}O=\{o_1, o_2, ... o_T\}O={o1​,o2​,...oT​} 长度为T的观测序列 A=[aij]N∗NA = [a_{ij}]_{N*N}A=[aij​]N∗N​ 状态转移概率矩阵，其中，$a_{ij} = P(i_{t+1} = q_j B=[bj(ot)]N∗MB = [b_{j}(o_t)]_{N*M}B=[bj​(ot​)]N ...

2021.11.30 增加algolia全局搜索 https://www.algolia.com/ 2021.11.23 样式美化 https://butterfly.lete114.top/article/Butterfly-config.html 2021.11.22 字体美化 https://www.trann.cn/2020/07/31/font/ 2021.11.18 新增说说发布系统bber 魔改后绑定个人微信公众号 部署在Vercel上 https://immmmm.com/bb-by-wechat-pro https://github.com/lmm214/bber-weixin https://github.com/lmm214/bber https://gitlab.com/yuto_zh/bber_vercel 2021.11.17 新增评论系统 Twikoo 部署在Vercel上 https://twikoo.js.org/quick-start.html 2021.11.15 新增博客文章统计图 Echarts图表 https://blog.eurko ...

GMM模型 高斯分布 高斯分布也称为正态分布，是在自然界中广泛存在的一种分布。根据中心极限定理，大量相互独立随机变量的均值依分布收敛于正态分布。因此使用正态分布描述语音特征的概率分布是合适的。 D维随机变量的高斯分布的概率密度函数为： N(x∣μ,Σ)=1(2π)D/21∣Σ∣1/2exp⁡(−12(x−μ)TΣ−1(x−μ))\mathcal{N}(\boldsymbol{x}|\boldsymbol{\mu},\boldsymbol{\Sigma}) = \frac{1}{(2\pi)^{D/2}} \frac{1}{\left|\boldsymbol{\Sigma}\right| ^{1/2}} \exp(-\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu})^T\Sigma^{-1}(\boldsymbol{x}-\boldsymbol{\mu})) N(x∣μ,Σ)=(2π)D/21​∣Σ∣1/21​exp(−21​(x−μ)TΣ−1(x−μ)) 其中，μ\muμ是D维向量，表示该高斯分布的均值；Σ\SigmaΣ是D*D的矩阵，表示该高斯分 ...

基础知识 音频信号 音频信号是本质上是一种波，是空气等介质受挤压振动而产生的。和其他类型的波一样，声波也可以使用振动曲线图进行表示，横坐标是时间，纵坐标是振幅。 采样 音频型号是连续的，但是计算机只能处理离散的数据，因此需要对其进行采样。 用sin(ωt)=sin(2πf0t)sin(ωt)=sin(2πf_0t)sin(ωt)=sin(2πf0​t)表示一个正弦波的振动幅度变化，设采样间隔为tst_sts​，则离散信号可表示为： x(n)=sin(2πf0nts)x(n) = sin(2πf_0nt_s)x(n)=sin(2πf0​nts​) 其中，n=0,1,2…表示采样点序号 奈奎斯特采样定律 采样频率大于信号中最大频率的两倍，才能恢复原始信号： fs>2∗fmaxf_s > 2 * f_{max} fs​>2∗fmax​ 即一个周期内至少有两个采样点 离散傅里叶变换 将时域信号转换到频率域 定义 给定一个长度为N的时域离散信号x(n), 对应的离散频域序列X(m) X(m)=∑n=0N−1x(n)e−j2πnm/N,m=0,1,2,...N−1X(m) = \ ...

在之前的文章中，已经对Geomesa的基本功能和基本查询与写入操作做了介绍。我们了解到Geomesa是一个分布式地理大数据存储框架，它通过与许多分布式数据库整合，并提供标准化的接口，使得用户能方便、高效地在这些分布式数据库中查询、检索、处理时空大数据。在使用时，我们只需调用Geomesa提供的接口，而无需关心数据在底层数据库中的存储方式。但是，理解Geomesa数据存储方式，特别是其建立索引的方式，对我们更好的设计数据表结构，从而获得更高效的性能是很有帮助的。 Geomesa索引类别 GeoMesa提供多种索引以满足不同类型数据的检索需要： Z2与Z3索引 Z2与Z3索引分别使用二维和三维的Z曲线进行时空索引。Z曲线是一种空间填充曲线，可以将高维的空间用一维的折线表示。下图展示了二维和三维Z曲线的示意图： Geohash是Z曲线的一种实现，它的原理简单来说就是将经纬度划分并用二进制表示，经度和纬度的二进制交错合并，形成每一个区块的编号，将这些区块的中心按编号从小到大连接起来，就形成了Z曲线，而这些编号，就是各个区块的Geohash编码。 三维的Z曲线也类似，只不过Geomesa将 ...

使用python matplotlib绘制混淆矩阵 今天使用了python matplotlib包，绘制混淆矩阵。基本代码参考官网教程，在此基础上增加了格网显示。 代码说明： cm - 混淆矩阵的数值， 是一个二维numpy数组 classes - 各个类别的标签（label） title - 图片标题 cmap - 颜色图 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748def plot_Matrix(cm, classes, title=None, cmap=plt.cm.Blues): plt.rc('font',family='Times New Roman',size='8') # 设置字体样式、大小 # 按行进行归一化 cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis] pr ...

前言 简要介绍精度、精确率、召回率、P-R曲线、F1 值、TPR、FPR、ROC、AUC等指标，还有在生物领域常用的敏感性、特异性指标。 指标计算基础 在分类任务中，各指标的计算基础都来自于对正负样本的分类结果，用混淆矩阵表示为： 机器学习中的评价指标 精度 Accuracy 定义：(TP+TN)/(TP+FN+FP+TN) 即所有分类正确的样本占全部样本的比例 精确率 Precision、查准率 定义：(TP)/(TP+FP) 即预测是正例的结果中，确实是正例的比例 召回率 Recall、查全率 定义：(TP)/(TP+FN) 即所有正例的样本中，被找出的比例 P-R曲线 PRC 定义：根据预测结果将预测样本排序，最有可能为正样本的在前，最不可能的在后，依次将样本预测为正样本，分别计算当前的精确率和召回率，绘制P-R曲线。 F1 值 定义：(2 * P * R)/(P + R) TPR 真正例率，与召回率相同 定义：(TP)/(TP+FN) FPR 假正例率 定义：(FP)/(TN+FP) ROC 受试者工作特征 定义：根据预测结果将预测样本排序，最有 ...