【摘要】 语音识别中，动态时间规整（Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇ，简称ＤＴＷ）和隐马尔可夫模型（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ，简称 ＨＭＭ）是最有效的两种识别算法，并且 ＤＴＷ和 ＨＭＭ在本质上是一致的~［１］。根据 ＤＴＷ和 ＨＭＭ的本质联系和各自所对应的声学模型，在前期工作中建立了一种广义声学模型 ~［２］［３］（Ｇｅｎｅｒａｌ Ｍｏｄｅｌ，简称 ＧＭ），并指出 ＤＴＷ和ＨＭＭ 只是 ＧＭ的特例，且 ＤＴＷ和 ＨＭＭ都可以转化为 ＧＭ。并在此基础上，首次将 Ｆｉｓｈｅｒ算法~［４］引进ＧＭ的学习算法，确保了ＧＭ状态分割的收敛性，并且这种分割在最小离差意义上是全局精确最优的。最后，从大数定理的角度出发，对 ＧＭ算法的收敛性进行了分析， 从理论上论证了该算法的依概率收敛性，并为实际应用中 ＧＭ算法的有效性提供了理论依据。更多还原

【Abstract】 In previous work,a General model(GM) had been established to describe the model of speech.Based on this,this paper proposes an algorithm of GM by introducing Fisher algorithm,at the same time,the convergence of GM has also been analyzed,and finally,the conclusion is drawn that the algorithm of GM is convergent by probability.更多还原