MATLAB墨菲的HMM工具箱

Question

我努力學習HMM GMM實現並創建了一個簡單的模型來檢測某些特定的聲音（召喚獸等）

我努力訓練HMM（隱馬爾可夫模型）網絡GMM （高斯混合）在MATLAB中。

我有幾個問題，我無法找到任何有關的信息。

1）應該mhmm_em()函數在每個HMM狀態的環被稱爲或它是自動完成？

如：

for each state 
     Initialize GMM’s and get parameters (use mixgauss_init.m) 
    end 
    Train HMM with EM (use mhmm_em.m) 

2）

[LL, prior1, transmat1, mu1, Sigma1, mixmat1] = ... 
          mhmm_em(MFCCs, prior0, transmat0, mu0, Sigma0, mixmat0, 'max_iter', M); 

最後一個參數，它應該是高斯或number_of_states-1的數量？

3）如果我們正在尋找最大可能性，那麼維特比在哪裏進場？

說如果我想用我提取的聲學特徵向量訓練我的模型後檢測某種類型的動物/人類呼叫，我是否仍然需要測試模式下的維特比算法？

這有點讓我困惑，我非常感謝這部分的解釋。

對HMM GMM邏輯方面的代碼的任何評論也將不勝感激。

謝謝

這是我的MATLAB例程;

O = 21;   % Number of coefficients in a vector(coefficient) 
M = 10;   % Number of Gaussian mixtures 
Q = 3;    % Number of states (left to right) 
% MFCC Parameters 
Tw = 128;   % analysis frame duration (ms) 
Ts = 64;   % analysis frame shift (ms) 
alpha = 0.95;  % preemphasis coefficient 
R = [ 1 1000 ]; % frequency range to consider 
f_bank = 20;  % number of filterbank channels 
C = 21;   % number of cepstral coefficients 
L = 22;   % cepstral sine lifter parameter(?) 

%Training 
[speech, fs, nbits ] = wavread('Train.wav'); 
[MFCCs, FBEs, frames ] = mfcc(speech, fs, Tw, Ts, alpha, hamming, R, f_bank, C, L); 
cov_type = 'full'; %the covariance type that is chosen as ҦullҠfor gaussians. 
prior0 = normalise(rand(Q,1)); 
transmat0 = mk_stochastic(rand(Q,Q)); 
[mu0, Sigma0] = mixgauss_init(Q*M, dat, cov_type, 'kmeans'); 

mu0 = reshape(mu0, [O Q M]); 
Sigma0 = reshape(Sigma0, [O O Q M]); 
mixmat0 = mk_stochastic(rand(Q,M)); 
[LL, prior1, transmat1, mu1, Sigma1, mixmat1] = ... 
mhmm_em(MFCCs, prior0, transmat0, mu0, Sigma0, mixmat0, 'max_iter', M); 

%Testing 
for i = 1:length(filelist) 
    fprintf('Processing %s\n', filelist(i).name); 
    [speech_tst, fs, nbits ] = wavread(filelist(i).name); 
    [MFCCs, FBEs, frames ] = ... 
    mfcc(speech_tst, fs, Tw, Ts, alpha, hamming, R, f_bank, C, L); 
    loglik(i) = mhmm_logprob(MFCCs,prior1, transmat1, mu1, Sigma1, mixmat1); 
end; 
[Winner, Winner_idx] = max(loglik); 

Answer 1

1）不，EM在您用kmeans初始化之後估計模型作爲一個整體。它不單獨估計國家。

2）代碼中的最後一個參數都不是'max_iter'的值，而是EM的迭代次數。通常是6左右。它不應該是M.

3）是的，你需要在測試模式下維特比。