Robust speech recognition based on spectro-temporal processing

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.

Level thesis:degree_level

thesis.doctoral

Grantor dc:publisher

Universität Oldenburg

Year

2003

Author dc:creator

• Kleinschmidt, Michael

• [Keine Schlagwörter von Autor/in vergeben.]

Repository record source_url

http://oops.uni-oldenburg.de/452

OAI identifier oai:identifier

oai:oops.uni-oldenburg.de:452