尽管最新的摄像头干扰器语音识别系统已经取得了很大的进步，但是仍然存在着一个巨大而富有挑战性的任务，特别是对于那些低资源语言的人来说。到目前为止，关于哈西语语音识别的研究非常有限，据我们所知，还没有针对不同HMM状态的哈西语语音识别的研究。在本文中，我们研究了三种不同HMM状态下使用不同监控屏蔽器频谱特征的哈西语语音表示，这是我们先前工作的一个扩展版本[8]。

 

    哈西语是孟高棉语系下的一种南亚语系语言，由梅加拉亚州的土著人使用[9]。方言因摄像头屏蔽器地理位置和当地居民而异。基于此，Bareh提出了总共11种哈西方言[10]。根据Nagaraja等人的研究，哈西方言由四种主要方言组成，包括哈西土语（Sohra语）、Pnar语、Lyngngngam语和War语[11]。在这四种方言中，哈西土语是标准的哈西土语，因此本文选择了哈西土语作为监控干扰器研究对象。

 

    HMM可以被看作是一个随机的、有限的状态机，具有一个未观察到的状态，用于对语音进行建模[12]。在HMM中，状态是隐藏的，但是依赖于状态的输出被假定为可见的。由于状态是隐藏的，HMM的唯一参数是转移概率aj，k和发射概率（也称为输出概率）[13]。图1显示了具有第j个状态和第i个输出概率分布函数的HMM的一般状态图。状态是向前反馈的，换句话说，状态可以保持在自身中，也可以从左右方向移动，但不能反向（右-左）移动。假设起始态（q1）和出口态（qj）为非发射态，这意味着这些态不产生观测。态（q2）到（qj–1）被认为是摄像头干扰器输出概率为b1到bi的发射态。这些输出概率产生观测ot（声学特征向量）。每个观测概率由高斯混合密度表示[14]。在这项工作中，考虑了3、5和7个HMM状态。