3.1　引言

在實(shí)際生活中，可以直接對(duì)很多現(xiàn)象和變化進(jìn)行觀(guān)測(cè)，并得到一系列的觀(guān)測(cè)值。例如氣溫觀(guān)測(cè)、人體血壓或心率監(jiān)測(cè)等。利用這些觀(guān)測(cè)值，可以知道天氣的冷暖、血壓的高低和心率的快慢。但是，有很多的因素或變量是無(wú)法與觀(guān)測(cè)值一一對(duì)應(yīng)的。例如，在室內(nèi)可以通過(guò)測(cè)量空氣濕度知道天氣是否干燥（潮濕）、舒適，但是卻無(wú)法直接判斷室外有沒(méi)有在下雨。這時(shí)，空氣濕度是一個(gè)可觀(guān)測(cè)量，是否下雨是一個(gè)不可觀(guān)測(cè)的隨機(jī)變量，但兩者之間存在著一定的概率關(guān)系。

在統(tǒng)計(jì)理論中，通常將不可觀(guān)測(cè)到的變量稱(chēng)為隱變量。為了能夠挖掘隱變量包含的信息，需要建立隱變量模型，并利用可觀(guān)測(cè)變量的樣本對(duì)隱變量做出推斷。

語(yǔ)音中包含了非常豐富的信息，但是通過(guò)麥克風(fēng)可以直接觀(guān)測(cè)到的只是語(yǔ)音波形。處理語(yǔ)音信息需要將隱藏在波形中的語(yǔ)義信息、說(shuō)話(huà)人信息、情感信息、語(yǔ)種信息、方言信息提取出來(lái)，需要采用適當(dāng)?shù)碾[變量模型來(lái)對(duì)這些信息進(jìn)行建模，以建立起它們與波形之間的描述關(guān)系。因此，隱變量模型在語(yǔ)音信息處理中被廣泛應(yīng)用。

本章將以語(yǔ)音信息處理中廣泛使用的高斯混合模型（Gaussian Mixture Model，GMM）[1]、隱馬爾可夫模型（Hidden Markov Model，HMM）[2-3]和高斯過(guò)程隱變量模型（Gaussian Process Latent Variable Model，GPLVM）[4]為代表，介紹隱變量模型的基本概念和主要研究問(wèn)題。