改进的gmm（高斯混合模型）算法，是单一高斯几率密度函数的衍生

　提出了一种新的连续型隐马尔可夫模型(HMM ) 的概率密度函数, 并导出了一系列的参 数寻优迭代公式,

为了提高语音分离算法的收敛速度以及分离性能，提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计，得到一个更加适合语音信号分离的激活函数，基于此函数提出一种快速语音分离算法.-In order to improve speech separation algorithm convergence speed and separation performance, raise the normal mixture distribution Laplace probability de

hmm文件时运用HMM算法实现噪声环境下语音识别的。其中vad.m是端点检测程序；mfcc.m是计算MFCC参数的程序；pdf.m函数是计算给定观察向量对该高斯概率密度函数的输出概率；mixture.m是计算观察向量对于某个HMM状态的输出概率，也就是观察向量对该状态的若干高斯混合元的输出概率的线性组合；getparam.m函数是计算前向概率、后向概率、标定系数等参数；viterbi.m是实现Viterbi算法；baum.m是实现Baum-Welch算法；inithmm.m是初始化参数；trai