【正文】 由BOOL C2rdPass::Load_Hmm() 實現(xiàn)；，具體實現(xiàn)略。（二）加載后向lexical tree，由BOOL C2rdPass::Load_LexTree() 實現(xiàn)；。后向Lexical tree 中共有37個根結(jié)點，對應(yīng)37個元音hmm模型（未最后確定），同樣根據(jù)漢語拼音匹配規(guī)則生成樹，不同的是該樹是從后向前生成的，即元音模型+輔音模型+葉子結(jié)點（表示結(jié)束）。同時前向語法樹可以稱為音節(jié)樹，而后向語法樹可稱為詞樹，后向語法樹中從根結(jié)點到葉子結(jié)點的路徑進行回溯，也就是從葉子的父結(jié)點到根表示了一個詞的拼音，確定詞的拼音并不是按此路徑進行，而是根據(jù)葉子結(jié)點存放的數(shù)據(jù)來找到的。葉子結(jié)點存放的數(shù)據(jù)與詞拼音庫有關(guān)，通過這個數(shù)據(jù)能找到該詞在詞拼音庫的位置，從而確定每個字的音節(jié)序號，再按序號查找音節(jié)表從而找出拼音。所有結(jié)點總數(shù)：71869個。，不同處是根節(jié)點變?yōu)?7個，但由于表示詞，所以其樹深度大于前向樹，具體不做詳細描述。（三）加載詞拼音庫，由BOOL C2rdPass::Load_Hanzi() 實現(xiàn)；。數(shù)據(jù)存儲結(jié)構(gòu)：前兩個字節(jié)存放一個詞的音節(jié)數(shù)，接著的2 音節(jié)數(shù)個字節(jié)存儲一個詞的各個音節(jié)在音節(jié)表中的序號。每個序號占用兩個字節(jié)。共有詞數(shù)：31638個（四）后向搜索主要由函數(shù) void C2rdPass::Viterbi_Beam_Search()實現(xiàn)，下面分析該函數(shù)。主要變量含義見下表：變量名稱含義變量名稱含義Index_pHmm編號Flag1上一幀狀態(tài)標(biāo)志i_s源狀態(tài)Flag2當(dāng)前幀狀態(tài)標(biāo)志j_s目的狀態(tài)Ind_s1表示每一幀到下一幀的可選路徑i_g源結(jié)點Ind_s2判斷是否存在兩條以上到達j_g結(jié)點的路徑j(luò)_g目的結(jié)點LIgSL存放當(dāng)前幀的可選目的結(jié)點Pgf 詞拼音得分值IpsfSl存放可選結(jié)點的狀態(tài)（進行了左移）Ngf可選詞的個數(shù)PSL存放可選目的結(jié)點的得分值Cgf對應(yīng)音節(jié)表中詞拼音的存放位置 程序流程： 對于輸入的一個詞，先從第一幀開始重復(fù)如下步驟直到該詞的最后一幀： 后向語法樹（lexical tree）中讀取其根結(jié)點 根據(jù)前向搜索給出的最后一幀的可能hmm編號（根據(jù)該幀所對應(yīng)hmm狀態(tài)是否為結(jié)束狀態(tài)6來確定hmm編號），設(shè)置相對應(yīng)的根結(jié)點的初始狀態(tài)等參數(shù) 進入循環(huán)體 對每一種可能的路徑（在前向搜索給出的hmm范圍內(nèi)），如果是幀內(nèi)轉(zhuǎn)移，轉(zhuǎn)入viterbi算法計算每種轉(zhuǎn)移路徑的得分；如果是幀間轉(zhuǎn)移，找到當(dāng)前結(jié)點的所有子結(jié)點，以子結(jié)點的0狀態(tài)為源狀態(tài)，轉(zhuǎn)入viterbi算法計算每個子結(jié)點的路徑得分值；保存該路經(jīng)及其得分值 直到最后一幀，計算該幀的可能回溯路徑的狀態(tài)值是否為結(jié)束狀態(tài)，如果不是排除該路經(jīng)，否則再判斷該結(jié)點是否為葉子結(jié)點，如果是則根據(jù)葉子結(jié)點在后向語法樹的數(shù)據(jù)找出其詞拼音存放位置，否則排除該路經(jīng)，退出循環(huán) 結(jié)束（3）拼音漢字處理根據(jù)前面所得拼音。具體略。六、主要參考文獻1． Lawrence Rabiner，BiingHwang Juang 《Fundamentals of Speech Recognition》，清華大學(xué)出版社，19932． 陳永斌，王仁華，《語音信號處理》，中國科技大學(xué)出版社，19903． 易克初，田斌，付強 , 《語音信號處理》，國防工業(yè)出版社，20004． 楊行峻，遲惠生等，《語音信號數(shù)字處理》，電子工業(yè)出版社5． 謝錦輝，《隱馬爾可夫模型及其在語音識別中的應(yīng)用》6． 胡光銳，《語音處理與識別》上海科技文獻出版社，19947． X. Huang, A. Acero, H. Hon，《Spoken Language Processing》Prentice Hall 20018． Claudio Becchetti, Lucio Prina Ricotti, 《Speech Recognition: Theory and C++ Implementation》 John Wiley amp。 Sons, 19999． Lawrence , “A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition” , IEEE Trans . on Acoustics , Speech and Signal Processing , 198910． Joseph Picone, “continuous Speech Recognition Using Hidden Markov Models” , IEEE ASSP Magzine , 199011． Waleed H. Abdulla , Nikola K. Kasabov, “The Concepts of Hidden Markov Model in Speech Recognition” Technical Report, Information Science Department University of Otago New Zealand12． 戰(zhàn)普明，王作英，“語音識別隱馬爾可夫模型的改進” 電子學(xué)報 199413． 馬明，張杰，王建宇，黃志同，“語音識別中隱馬爾可夫模型初值的估計” 數(shù)據(jù)采集與處理 199714． 茅曉泉，胡光銳，唐斌，“一種DHMM的混合訓(xùn)練方法” 電子學(xué)報 200215． 賈賓，朱小燕，羅予頻，胡東成，“消除溢出問題的精確BaumWelch算法” 軟件學(xué)報 200016． 張杰，黃志同，王曉蘭，“語音識別中隱馬爾可夫模型狀態(tài)數(shù)的選取原則及研究” 計算機工程與應(yīng)用 200017． 馮哲，“大詞匯量漢語連續(xù)語音的快速識別算法研究” 復(fù)旦大學(xué)碩士論文 200118． Tapas Kanungo, Nathan S. Netanyahu, Christine D. Piatko, Ruth Silverman, and Angela Y. Wu, “An Efficient kMeans Clustering Algorithm: Analysis and Implementation” IEEE Trans on Pattern Analysis and Machine Intelligence 200219． Thomas Hain, “Hidden Model Sequence Models for Automatic Speech Recognition” University of Cambridge 200120． Fil Alleva, Xuedong Huang, MeiYuh Hwang, “An Improved Search Algorithm Using Incremental Knowledge for Continuous Speech Recognition” IEEE 199321． Mosur K. Ravishankar, “Efficient Algorithms for Speech Recognition” Carnegie Mellon University , Docter Thesis 199622． KaiFu Li, HsiaoWuen Hon, “LargeVocabulary, SpeakerIndependent, Continuous Speech Recognition Using HMM” IEEE 1