第2パスのViterbi演算および仮説スコア計算 (高速版) [詳細]

#include <julius/julius.h>

関数
static void	free_node_exec (NODE *node)
	< Define if want triphone debug messages
void	free_node (NODE *node)
	仮説ノードの利用を終了してリサイクル用にストックする
void	clear_stocker (StackDecode *s)
	リサイクル用ノード格納庫を空にする.
NODE *	cpy_node (NODE dst, NODE src)
	仮説をコピーする.
NODE *	newnode (RecogProcess *r)
	新たな仮説ノードを割り付ける.
void	malloc_wordtrellis (RecogProcess *r)
	1単語分のトレリス計算用のワークエリアを確保.
void	free_wordtrellis (StackDecode *dwrk)
	1単語分のトレリス計算用のワークエアリアを解放
static LOGPROB	get_max_out_arc (HTK_HMM_Trans *tr, int state_num)
	最終状態への遷移確率の最大値を求める (multipath)
static LOGPROB	max_out_arc (HMM_Logical *l)
	音素の出力状態への遷移確率の最大値を求める.
void	scan_word (NODE now, HTK_Param param, RecogProcess *r)
	最後の1単語の前向きトレリスを計算して，文仮説の前向き尤度を更新する.
void	next_word (NODE now, NODE new, NEXTWORD nword, HTK_Param param, RecogProcess *r)
	展開元仮説に次単語を接続して新しい仮説を生成する.
void	start_word (NODE new, NEXTWORD nword, HTK_Param param, RecogProcess r)
	与えられた単語から初期仮説を生成する.
void	last_next_word (NODE now, NODE new, HTK_Param param, RecogProcess r)
	終端処理：終端まで達した文仮説の最終的なスコアをセットする.

説明

第2パスのViterbi演算および仮説スコア計算 (高速版)

ここでは，第2パスにおいて探索中の仮説のViterbiスコアの更新演算，次単語とのトレリス接続，および仮説のスコア計算を行う関数が定義されています.

単語接続部の単語間音素環境依存性は，高速な backscan アルゴリズムによって行われます. このファイルで定義されている関数は，config.h において PASS2_STRICT_IWCD が undef であるときに使用されます. 逆に上記が define されているときは，search_bestfirst_v2.c の関数が用いられます.

Backscan アルゴリズムでは，デコーディングの高速化のため，次単語とその前の単語の接続点について，「単語間音素コンテキストの遅延処理」を行ないます：

新仮説の生成(next_word())では，次単語の最後の音素の右コンテキストのみが考慮される.
その単語間の完全な音素環境依存性は，その仮説がいったんスタックに入った後もう一度 POP されたときに scan_word() にて改めて計算する.

仮説生成時にはすべての生成仮説に対して依存計算を行なず，あとでスコアが高く POP された仮説についてのみ再計算を行ないます. このため処理が高速化されますが，仮説スコア計算(next_word())において次単語接続部分の環境依存性が考慮されないので, 探索中のスコアに誤差が生じる場合があります.

実装について:

next_word() では，次単語の最後の音素のみを右コンテキスト(=展開元単語の最初の音素)を考慮して変化させ，トレリス接続点の出力確率を求める.
scan_word() では，新単語部分ともう１つ前の単語の最初の音素を変化させ，scan する. そのため新単語部分だけでなく，そのもう一音素前まで scan の対象となる. この "1-phoneme backscan" を行なうため, 各仮説ノードは最終HMM状態の前向きスコア (NODEにおける g[]) だけでなく，その backscan 開始点(もう１つ前の単語の最初の音素の手前)のスコアも保存しておく必要がある (NODE における g_prev[]).

なお，１音素のみからなる単語では backscan 開始点と単語境界が重なることを考慮する必要があるため，実装はもう少し複雑になる.

作者:: Akinobu Lee

日付:: Sun Sep 11 23:54:53 2005

Revision:: 1.6

search_bestfirst_v1.c で定義されています。

関数

static void free_node_exec ( NODE * node ) [static]

< Define if want triphone debug messages

仮説ノードを実際にメモリ上から解放する.

引数:

node	[in] 仮説ノード

search_bestfirst_v1.c の 138 行で定義されています。

参照元 clear_stocker().

void free_node ( NODE * node )

仮説ノードの利用を終了してリサイクル用にストックする

引数:

node	[in] 仮説ノード

search_bestfirst_v1.c の 170 行で定義されています。

参照元 free_all_nodes(), pass2_finalize_on_no_result(), put_all_in_stack(), put_to_stack(), result_reorder_and_output(), と wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

void clear_stocker ( StackDecode * s )

リサイクル用ノード格納庫を空にする.

引数:

s	[in] stack decoding work area

search_bestfirst_v1.c の 206 行で定義されています。

参照元 wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

NODE* cpy_node	(	NODE *	dst,
		NODE *	src
	)

仮説をコピーする.

引数:

dst	[out] コピー先の仮説
src	[in] コピー元の仮説

戻り値:: dst を返す.

search_bestfirst_v1.c の 247 行で定義されています。

参照元 last_next_word(), と wchmm_fbs().

呼出しグラフ:

NODE* newnode ( RecogProcess * r )

新たな仮説ノードを割り付ける.

もし格納庫に以前試用されなくなったノードがある場合はそれを再利用する. なければ新たに割り付ける.

引数:

r	[in] 認識処理インスタンス

戻り値:: 新たに割り付けられた仮説ノードへのポインタを返す.

search_bestfirst_v1.c の 324 行で定義されています。

参照元 pass2_finalize_on_no_result(), と wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

void malloc_wordtrellis ( RecogProcess * r )

1単語分のトレリス計算用のワークエリアを確保.

引数:

r	[in] 認識処理インスタンス

search_bestfirst_v1.c の 427 行で定義されています。

参照元 wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

static LOGPROB get_max_out_arc	(	HTK_HMM_Trans *	tr,
		int	state_num
	)		`[static]`

最終状態への遷移確率の最大値を求める (multipath)

引数:

tr	[in] 遷移行列
state_num	[in] 状態数

戻り値:: 最終状態への遷移確率への最大値を返す.

search_bestfirst_v1.c の 527 行で定義されています。

参照元 max_out_arc().

static LOGPROB max_out_arc ( HMM_Logical * l ) [static]

音素の出力状態への遷移確率の最大値を求める.

(multipath)

引数:

l [in] 音素

戻り値:: 出力状態への遷移確率の最大値を返す.

search_bestfirst_v1.c の 558 行で定義されています。

参照元 scan_word().

void scan_word	(	NODE *	now,
		HTK_Param *	param,
		RecogProcess *	r
	)

最後の1単語の前向きトレリスを計算して，文仮説の前向き尤度を更新する.

引数:

now	[i/o] 文仮説
param	[in] 入力パラメータ列
r	[in] 認識処理インスタンス

< Temporal pointer to current buffer

< Temporal pointer to previous buffer

search_bestfirst_v1.c の 585 行で定義されています。

参照元 wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

void next_word	(	NODE *	now,
		NODE *	new,
		NEXTWORD *	nword,
		HTK_Param *	param,
		RecogProcess *	r
	)

展開元仮説に次単語を接続して新しい仮説を生成する.

次単語の単語トレリス上のスコアから最尤接続点を求め，仮説スコアを計算する.

引数:

now	[in] 展開元仮説
new	[out] 新たに生成された仮説が格納される
nword	[in] 接続する次単語の情報
param	[in] 入力パラメータ列
r	[in] 認識処理インスタンス

search_bestfirst_v1.c の 1378 行で定義されています。

参照元 wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

void start_word	(	NODE *	new,
		NEXTWORD *	nword,
		HTK_Param *	param,
		RecogProcess *	r
	)

与えられた単語から初期仮説を生成する.

引数:

new	[out] 新たに生成された仮説が格納される
nword	[in] 初期仮説単語の情報
param	[in] 入力パラメータ列
r	[in] 認識処理インスタンス

search_bestfirst_v1.c の 1607 行で定義されています。

参照元 wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ:

void last_next_word	(	NODE *	now,
		NODE *	new,
		HTK_Param *	param,
		RecogProcess *	r
	)

終端処理：終端まで達した文仮説の最終的なスコアをセットする.

引数:

now	[in] 終端まで達した仮説
new	[out] 最終的な文仮説のスコアを格納する場所へのポインタ
param	[in] 入力パラメータ列
r	[in] 認識処理インスタンス

search_bestfirst_v1.c の 1697 行で定義されています。

参照元 wchmm_fbs().

関数の呼び出しグラフ:

呼出しグラフ: