monophone

目的：
建立所有音素的HMM模型，用于解码检索。每个音素有3个状态，构建这个庞大的结构并存储其中的信息。解码时得到一帧语音特征向量，检索它是哪个pdf→状态→音素，才能确定它是哪个音素。
方法：

transition-model.h
transition-model.cc

kaldi中的HMM模型实际是一个TransitionModel对象。
Transitionmodel在transition-model.h中定义，在transition-model.cc中实现。
kaldi中每个音素的HMM拓扑结构：

HMM per phone.JPG

Conception

transition state : (虚拟的)状态，通过弧跳转到自己或其他状态。
transition-index：HMM中状态转移的索引，即HMMTopology::HmmState::transitions.
从0开始编号
transition-id：所有HMM的弧编号，从0开始编号(global)
phone：音素，从1开始编号(global)
HMM-state：音素HMM模型的状态（3个state/音素）。从0开始编号。(local)
pdf-id：高斯模型。(local)
下面举个栗子

show-transitions phones.txt final.mdl 

Transition-state 1: phone = sil hmm-state = 0 pdf = 0
Transition-id = 1 p = 0.728349 [self-loop]
Transition-id = 2 p = 0.27165 [0 -> 1]
Transition-state 2: phone = sil hmm-state = 1 pdf = 56
Transition-id = 3 p = 0.809842 [self-loop]
Transition-id = 4 p = 0.190158 [1 -> 2]
Transition-state 3: phone = sil hmm-state = 2 pdf = 48
Transition-id = 5 p = 0.475911 [self-loop]
Transition-id = 6 p = 0.524089 [2 -> 3]
可以看出映射关系

(phone, HMM-state, forward-pdf-id, self-loop-pdf-id) -> transition-state
(transition-state, transition-index) -> transition-id

tips

1. phone-state和pdf不是一一对应的关系，一个pdf可能对应多个phone。

If two states have the same pdf_class variable, then they will always share the same probability distribution function (p.d.f.)

2.一门语言的拓扑结构是人为设计的，参数（HMM的转移概率和pdf的均值和方差）则通过EM迭代算法得到

参考博客：
https://blog.csdn.net/u013677156/article/details/79136418
https://blog.csdn.net/u012361418/article/details/73506448

（本文是对两篇博文的综合理解）