具有多个时间独立流的隐马尔可夫模型

我试图找出是否有一种很好的方法将两个HMM合并为一个,当底层状态相同时,但观察结果并没有暂时联系。 我有两个独立的观察流来描述相同的隐藏状态空间。每个观察流的基础顺序保持不变,但它们不会同时发射。 例如,假设我有两个独立扬声器的录音,大声朗读相同的文本段落,其中隐藏的状态空间成为文本中的字母,而来自每个音频的音素流包括观察空间。每个扬声器分别录制音频,并在阅读时使用不同的节奏。 我可以独立地使用每个说话者清楚地预测文本,并在事后尝试协调结果......但我感觉将观察流组合成单个HMM可以产生更好的结果。 有谁知道调和这个的好方法?     
已邀请:
合并状态需要首先对齐这些流...即某种对数似然优化。 但它可以使用来自多个流的统计数据来预测“观察” - 现代数据压缩器基本上就是这样做的。 例如。见http://www.mattmahoney.net/dc/dce.html#Section_432     
我不确定是否有方法合并两个HMM后,它们各自适合不同的观察序列。 但是存在一种在多个独立观测序列上训练一个马尔可夫模型的方法。 例如,在论文中它被认可 “隐藏马尔可夫模型和语音识别中选定应用程序的教程”  由拉宾纳 不幸的是,我还没有找到这种算法的实现。 这是我在stackexchange上的相应问题:https://stats.stackexchange.com/questions/53256/two-sequences-one-hmm     

要回复问题请先登录注册