首先，您能否解释一下金融时间序列中的“噪音”是什么意思？您是在谈论从时间序列中提取趋势吗？

就其本身而言，语音识别包括将信号转换为该信号的高级语义、符号表示。它没有实现任何去噪，因此使用语音识别技术对信号进行任何修改都会令人惊讶。

也许你有别的想法？

无论如何，语音识别系统由以下几层组成：

• 特征提取模块，将音频信号块转换为特征向量，捕获声音的表示，该表示具有一定的抗噪性并且非常粗略地保持音高不变。

• 一个声学模型（通常是 GMM），计算音频特征向量和非常大的一组电话模型之间的匹配（似然分数）。

• 可选地，在前两个步骤之间“关闭循环”的自适应模块 - 学习更好的参数化，使提取的特征更符合已知模型。

• 然后是 HMM 类模型的层次结构（音素模型、单词发音模型、语言模型）——全部组合成一个巨大的有限状态传感器。

第一步对于财务数据根本没有意义，因为用于语音识别的参数化深深植根于语音的产生方式和人耳感知的方式。

可能有用于以下步骤的那种工具（隐马尔可夫模型及其变体）的金融应用......但是，它是一种非常知名的火炮，并非特定于语音识别，它们确实在时间上被广泛使用系列分析 - 用于分割、变化检测、异常值检测或使用技术分析师使用的“模式”自动标记时间序列。