Kleinschmidt, Michael (2003) Robust speech recognition based on spectro-temporal processing. Monografie. BIS Verlag, ISBN 3-8142-0873-0.

Preview

- Published Version Volltext (2957Kb)

Abstract

In dieser Dissertation werden neuartige spektro-temporale Merkmale untersucht, die einer Verbesserung der Robustheit automatischer Spracherkennungssysteme unter ungünstigen akustischen Bedingungen dienen sollen. Ergebnisse physiologischer und psychoakustischer Arbeiten weisen auf eine wichtige Rolle spektro-temporaler Verarbeitung bei der Sprachwahrnehmung des Menschen hin. Daher werden Sigma-pi Zellen und Gabor Filter als Methoden zur Extraktion sekundärer Merkmale auf Basis einer spektro-temporalen Repräsentation evaluiert. Insbesondere die Gabor Merkmale beinhalten das Cepstrum sowie eine rein zeitliche Filterung als Spezialfälle, wobei darüber hinaus auf spektro-temporale Modulationen gezielt wird. Eine datenbasierte Methode zur Merkmalsselektion wird zur Optimierung der Merkmalssätze verwendet. Beide Typen von Merkmalen zeigen eine erhöhte Robustheit bei Experimenten mit kleinen Wortschätzen. Sigma-p Zellen erlauben zudem eine Schätzung des Sprach-zu-Rausch-Abstandes des Eingangssignals allein aufgrund kleiner spektro-temporaler Modulationen. Durch Anhängen von Gabor-basierten Merkmalen kann die Erkennungsleistung des Qualcomm-ICSI-OGI Erkenners im Aurora Experiment weiter verbessert werden.

["eprint_fieldname_abstract_plus" not defined]

In this thesis, novelle spectro-temporal feature extraction techniques are evaluated for enhancing the robustness of automatic speech recognition systems (ASR) in adverse acoustical conditions. Recent physiological and psychoacoustical findings indicate that spectro-temporal processing plays an important role in human speech perception. Therefore, sigma-pi cells and Gabor filter functions are investigated as secondary feature extraction methods based on a spectro-temporal representation. Especially the Gabor features are versatile enough to include cepstral features and purely temporal filtering as special cases, while additionally aiming at combined spectro-temporal modulations. A data driven feature selection method is applied for feature set optimization. For small vocabularies, both types of features are shown to increase the robustness of ASR systems. Sigma-pi cells also allow for estimating the speech-to-noise ratio of an input signal solely based on low spectro-temporal modulation. The Gabor based Tandem feature sets increase the performance of the Qualcomm-ICSI-OGI system for the Aurora task, when concatenating the two streams.

Item Type:	Monograph (Art der Monografie: Documentation)
Uncontrolled Keywords:	[Keine Schlagwörter von Autor/in vergeben.]
Controlled Keywords:	Akustische Signalverarbeitung, Automatische Spracherkennung, Hochschulschrift
Subjects:	Title without classification
Divisions:	Miscellaneous > BIS Publishing House
Date Deposited:	17 Jan 2013 14:18
Last Modified:	26 Nov 2013 09:18
URI:	https://oops.uni-oldenburg.de/id/eprint/452
URN:	urn:nbn:de:gbv:715-oops-4859
DOI:
Nutzungslizenz:

Actions (login required)

View Item