理解Viterbi算法

Question

我已经用我的系数训练了HMM，但不理解Viterbi解码器算法是如何工作的，例如：

 viterbi_decode(MFCC, M, model, q);
 where MFCC = coefficents 
 M = size of MFCC
 model = Model of HMM training using the MFCC coefficients 
 q = unknown (believed to be the outputted path).

但我不明白的是:我正在尝试比较两个语音信号(训练，样本)，以找出最接近的匹配。例如，使用DTW算法，返回一个整数，然后我可以找到最接近的整数，但是，使用此算法，它返回一个int* array，因此很难区分。

下面是当前程序的工作原理：

vector<DIMENSIONS_2> MFCC = mfcc.transform(rawData, sample_rate);

int N = MFCC.size();
int M = 13;

double** mfcc_setup = setupHMM(MFCC, N, M);

model_t* model = hmm_init(mfcc_setup, N, M, 10);

hmm_train(mfcc_setup, N, model);

int* q = new int[N];

viterbi_decode(mfcc_setup, M, model, q); 

谁能告诉我Viterbi解码器是如何解决从训练到输入的最佳路径识别问题的？我已经在解码路径(q)上尝试了欧几里德距离和汉明距离，但没有这样的幸运。

任何帮助都将不胜感激

Answer 1

在这个例子中，我认为(q)是隐藏状态序列，所以是一个从0到>9的数字列表。如果你有两个音频样本，比如说测试和训练，并且你生成了两个序列q_test和q_train，那么考虑|q_test - q_train|是没有用的，因为它不能正确地表示距离的概念，因为HMM中的隐藏状态标签可能是任意的。

考虑距离的一种更自然的方法可能是，在给定q_train的情况下，您对测试样本采用相同路径的概率感兴趣，一旦有了转移矩阵和排放概率，您就可以计算该概率。

如果我误解了你的问题，请告诉我。