行天之路

public final class LogMath implements Configurable, Serializablelog(a - b) = log(a) + log(1- exp(log(b)-log(a)))log(a + b) = log(a) +log(1 + exp(log(b)- log(a)))作用：首先本类是一个compone

public class StatisticsVariable代表了一个被命名的值。一个统计变量能够被用来跟踪数据，它允许在任何时候被查看和打印输出（输出）。统计数字被保留在一个数据池中，并且以场景来分组。统计数据能够被当做一个整体打印出或被创建所输出。本类的属性：  private static final Mappool = new HashMap();统计数据池用来存

public class Complex本类实现了复数类型，及复数域的基本算法。本类的属性：  private double real;一个复数对象的实部private double imaginary;复数对象的虚部即一个复数数字的虚部。本类的构造方法：public Complex()；构造一个实部和虚部都是0的复数对象（数字）。public Comple

本类方法：private Set getStartingContexts()；得到此节点的开始场景集，开始场景为一个长度等于最大的右场景尺寸的unit[]集。如果此节点为空节点，则开始场景是此节点直接后续节点的所有开始场景的集合，否则的话从节点字的每一发音来创建开始场景。返回的是startingContexts属性。private UnitContext getStartingContex

一个字格是一个有向无环图。它有一个单独的起点和标记了一个字和其权重的边（为单独边）。不像强制要求每一条路径都必须通过所有节点的混淆网络。字格的路径是不要求每一条都通过其所有节点的。字格能够表示任何的有限的字符串集，尽管这一般使得字格低于混淆网络的空间效率。不管怎样，一般一个字格能够表示以多项式空间的指数数量的句子。以下为字格的一个实例表示了组合字的可能的分解：

1训练的基本步骤：...32模拟未绑定状态的场景依赖音素的注意事项：...43 你所需准备的数据...44，训练之前需检查的项...56 当你有一个非常小的闭合的词汇表（字典）（50—60字）：...67 “base”集合和高阶特征向量...68 特征流（featuresstreams）...69训练连续模型...710 创建模型定义

一般具体的数据处理器都有两个构造方法，一个为空的，一个为非空。我们可以用非空的构造方法动态的创建数据处理器。用空的话，一般需要在文件中配置，并通过newproperties（）方法来完成数据处理器的配置。数据处理器配置完后一般要调用initialize（）方法来初始化数据处理器。这主要看类的具体实现所决定。

public class Microphoneextends BaseDataProcessor本类的作用是，捕捉原始的语音信号，并对语音信号进行数字化处理，以便转换成数字信号。是front-end的第一输入可选输入信号处理单元之一。会把所有得到的数据放入列队缓存中。数据是以在前面为开始信号中间为doubledata数据后为结束信号的形式存储的。即此形式为一基本单元

public class FrontEnd extends BaseDataProcessor在sphinx-4系统中，系统把整个前端处理当作一个前端类，此类把所有的信号处理流程都集合起来，只要通过此类我们就能获得整个前端的输出。通过对此类的操作我们能够修改信号处理的流程。就可得到我们所需的处理的流程和前端处理的结果。作用: FrontEnd（前端）是一个component（confi

public abstract class AbstractDecoderimplements ResultProducer, Configurable一个抽象的解码器，此解码器实现了独立于被使用的（pull/push）的解码框架的全部方法的实现。本类的属性： @S4Component(type =SearchManager.class)    public fin

public class Recognizer implements Configurable, ResultProducer此为识别了设置了相应的状态，以防止在某些方法在其必要的条件之前被调用。使用了异常处理。靠继承RuntimeException来实现新的异常类。Sphinx4识别器。此是sphinx4的主要的入口。一个识别器的典型使用如下：public void recogn

public class Result 提供识别的结果。结果可以是局部的，也可以是最终的。一个result结果在它是最终结果之前不应该被修改。注意一个result结果也许不会保护所有可能的信息。The following methods arenot yet defined but should be: *  * public Result getDAG(intcompress

public class Decoder extends AbstractDecoder原始解码器类。 @S4Integer(defaultValue= 100000)    public final static String PROP_FEATURE_BLOCK_SIZE ="featureBlockSize";private int featureBloc

public class FrameDecoder extends AbstractDecoderimplements DataProcessor一个解码器，此解码器没有使用s4常用的pull模式。而是每次调用decode()方法仅仅处理一个单独的特征帧。当使用此解码器时，需确保搜索管理使用的声学打分器能够使用缓存的data 特征数据即矢量。本类的属性： private Dat

public class Token implements Scoreable从上可以看出Token实现了Scoreable接口，可知此类对象是可以被打分器打分的。此类对象代表了再识别框架中的一个单独状态，一个Token（标记）的子类被用于表示不同的发射状态。注意所有的打分是基于log域的。本类的属性：private static int curCount;为标记的当前计数。

class NGramProbability代表一个字的id（字在一个N-gram中的位置）。一个N-Gram 概率id。本类的属性：private final int which; which follower of the first word is this NGram。哪一个跟随第一个的是此NGram。private final int wordID;在一个N-gram中的特定的字

public interface LanguageModel extends Configurable代表了对言一个N（N-Gram）元语模型的一般接口。所有的概率都在log域的。本接口的属性：@S4String(defaultValue = ".")public final static String PROP_LOCATION = "location";属性用来确定语言模型的位置。@

class UnigramProbability代表了一个概率，一个回退（blackoff）（权重）概率，以及bigram 二元语法的第一项的位置。the location of the first bigram entry。本类的属性：private final int wordID;字idprivate float logProbability;概率private float log

public abstract class Grammar implements Configurable, GrammarInterface本类实现了创建语法的语法接口。一个语法类内部是当做一个语法节点和语法弧组成的图所表示的。通过调用getInitialNode()方法将会获得在语法图中的第一个节点。为了遍历整个语法图，可以通过调用语法节点的getSuccessors方法，此方法会返回的是一

public class LMGrammar extends Grammar定义了一个简单的语法基于一个语言模型。本类对每个字都产生一个语法节点。本LM语法能够处理多达1000字的unigram and bigram grammars 单元语法和2元语法。注意所有的概率都是log域的。本类的属性：@S4Component(type = LanguageModel.class)public

public class BinaryLoader读取由cmu SphinxBase sphinx_lm_convert 产生的一个二进制 NGram 语言模型文件（”DMP 文件”）。注意所有在语法中的概率都是以log域的形式存储的，在语言模型文件中的语言概率是以log 10为底的形式存储的。它们被转换为logmath的底。本类的属性：private static final String

public class LargeNGramModel implements LanguageModel, BackoffLanguageModel使用一个二进制NGram（n元）语言模型文件（”DMP 文件”）的语言模型。此语言模型是通过SphinxBase sphinx_lm_convert产生的。本类的属性：@S4String(mandatory = false)public st

public interface BackoffLanguageModel extends LanguageModel代表使用后向（回退）方法来估计不可见概率的一个N-Gram 语言模型的一般接口。后向深度Backoff depth是非常重要的在搜索空间的优化中，例如：它在LexTreeLinguist中用来collapse states（损毁状态），那些状态仅有unigram backoff单

public class ProbDepth此类为从BackoffLanguageModel返回的结果。本类的属性：public float probability;public int depth;本类的构造方法：public ProbDepth(float probability, int depth)；构造方法。对属性进行设置了。public class ProbDepth {

public class LatticeGrammar extends Grammar一个语法从一个lattice所创建的。此能够用于一个2次的或者其后的多传播识别的传播。本类的属性：public Lattice lattice;为网格。或字格。本类的构造方法：public LatticeGrammar(Lattice lattice, boolean showGrammar, bool

class NGramBuffer实现了一个保护NGrams的缓存。它假定每一个n-gram项的前两个字节是n-gram的id。本类的属性：private final byte[] buffer;ngrams的字节数组，存储ngrams的缓存。private final int numberNGrams;N-Gram的个数即数目。private int position;private

abstract public class TokenSearchManagerimplements SearchManager抽象类，实现了SearchManager接口。本类的属性：@S4Boolean(defaultValue = true)public final static String PROP_BUILD_WORD_LATTICE ="bui

public interface ActiveList extends Iterable一个被当做以排序的列表的活动列表。此列表可以通过迭代的方法来访问其的元素。本接口的属性：@S4Integer(defaultValue= 2000)public final static String PROP_ABSOLUTE_BEAM_WIDTH ="absoluteBeamWi

public interface ActiveListManager extends Configurable一个被当做以排序的列表的活动列表。@S4Integer(defaultValue= 2000)public final static String PROP_ABSOLUTE_WORD_BEAM_WIDTH ="absoluteWordBeamWidth";属性确定

public class WordPruningBreadthFirstSearchManagerextends TokenSearchManager提供了一个宽度优先搜索。为了执行识别，应用程序在识别开始前需调用initialize初始化，然后在重复调用recognize方法，直到result.isfinal（）返回为true。一旦一个final结果已经获得，则stoprecogni

public class SimpleBreadthFirstSearchManager extends TokenSearchManager提供深度优先搜索。为了进行识别处理，应用程序在进行识别处理前需调用initialize即进行初始化，然后重复的调用recognize方法，直到Result.isFinal()返回为true为止。一旦得到了一个最终的结果，terminate方法将被

class EntryPointTable进入指针表，此被使用来管理在lex树中的进入指针集合。、本类的属性： private final Map entryPoints;存储单元为发音的第一个单元与进入指针对的map。本类的构造方法：EntryPointTable(Collection entryPointCollection) ；给定所有可能的进入指针单元集来创建进入指针表。输入e

class EntryPoint管理一个单独的进入指针。此为进入hmm树中的节点的指针。本类的属性： final Unit baseUnit;目标单元一般为发音的第一个单元。 final Node baseNode; 基本节点 ，为目标节点final Map unitToEntryPointMap;存储目标单元和目标节点。List singleUnitWords;单独单元字集i

class HMMNode extends UnitNode表示了在hmm树中的一个代表hmm的节点。由于在大词汇量的识别中，存在节点数十分的巨大，因此尽可能的节省空间是很重要的。当建立hmm节点时，我们把右场景保持在一个集合中以便很容易的实现对副本进行剪枝。一旦树被完全建立起来了，我们就不在需要把右场景当做一个集合来管理，一个简单的数组就可行了。Freeze方法是把集合转换成单元数组。Rc右

class HMMTree以一个lex树的形式来表示词汇表。在树中的节点表示字（字节点）或单元（hmm节点）。Hmm节点也许会被共享。本类的属性：private final HMMPool hmmPool;hmm和单元池private InitialWordNode initialNode;树的初始节点 private Dictionary dictionary;包含发音的字典

class WordNode extends Node此节点表示在hmm树中的一个字。private final Pronunciation pronunciation;表示字的发音private final boolean isFinal;是否为终止状态，即此字节表示字是否为句的结束字。本类的构造方法： WordNode(Pronunciation pronunciation, flo

class EndNode extends UnitNode本类的属性：final Unit baseUnit;此节点的基本单元final Unit leftContext;当做左场景的单元final Integer key;关键字本类的构造方法：EndNode(Unit baseUnit, Unit lc, float probablilty)；创建节点。输入probablilty为

class InitialWordNode extends WordNode此类表示在搜索空间中的初始字。它被特别对待因为我们需要保持跟踪其场景。场景是内嵌在父节点中的。The context is embodied in the parent node本类的属性：final HMMNode parent;表示父节点的hmm节点。本类的构造方法： InitialWordNode(Pron

class Node表示节点本类的属性：private static int nodeCount;表示节点数在树中此类节点的个数。即此节点类对象的实例个数。private static int successorCount;后续数，此节点类的对象的后续节点数。private static final Map wordNodeMap = new HashMap();/* 以下个属性在树的