Entwicklung einer Automatenbedienung mit einer leistungsfähigen ...

3.2.3. Erkennung
Während der Erkennungsphase werden die durch Analyse gewonnene Merkmale des
Eingangssignals mit den vorhandenen Mustern verglichen, um das Muster zu ermitteln,
das diesem Sprachsignal am ähnlichsten ist. Es gibt verschiedene Verfahren, um diesen
rechenintensiven Vergleich durchzuführen. Die drei Bekanntesten sind Dynamische
Programmierung (Dynamic Time Warping, DTM), Künstliche Neuronale Netze (KNN
oder Artificial Neural Network, ANN) und die Darstellung des Musters als Hidden-
Markov-Modell (HMM).
Bei Dynamischer Programmierung werden die analysierten Daten der zu erkennenden
Äußerung an jedes vorhandene Muster zeitlich angepasst, um einen korrekten Vergleich
zu ermöglichen. So können zwei unterschiedlich lange Äußerungen desselben Wortes
richtig miteinander verglichen werden. Dabei werden die Abstände zwischen den
einzelnen Werten der beiden Merkmalsfolgen berechnet. Das Muster mit dem kleinsten
Abstand zur vorliegenden Äußerung wird ausgewählt. Die Zeitanpassung wird für jeden
Wert der Merkmalsvektoren dynamisch durchgeführt.
Neuronale Netze, oder anders genannt Künstliche Intelligenz, bestehen aus mehreren
Schichten. An die Eingangsschicht werden die Merkmale des zu erkennenden Wortes
gelegt, an die Ausgangsschicht die der vorhandenen Muster. In den Zwischenschichten
werden die ersten Merkmale so lange verarbeitet, bis die den Merkmalen eines dieser
Muster ähnlich sind. Das betroffene Muster wird als Ergebnis anerkannt. Sehr oft
werden die Hidden-Markov-Modelle als Muster bei dieser Art der Mustererkennung
eingesetzt, dabei entsteht eine neue, gemischte Technik.
Bei dem dritten und wahrscheinlich am häufigsten benutzten Verfahren mit Hidden-
Markov-Modellen werden die Übergangswahrscheinlichkeiten zwischen den Zuständen
berechnet, aus denen diese HMM's bestehen. Man kann ein HMM als Zustandsautomat
darstellen, dabei können die analysierten Daten von einem Wort oder sogar von einem
Phonem in mehrere Zustände zerlegt werden. Die Verteilung von Merkmalsvektoren
auf die Zustände wird mit Hilfe von Viterbi- Algorithmus realisiert. Nachdem alle diese
Merkmale optimal verteilt wurden oder nachdem der beste Pfad durch den
Zustandsautomat gefunden wurde, werden die Wahrscheinlichkeiten berechnet. Das
Muster mit der höchsten Wahrscheinlichkeit wird der zu erkennenden Sprachäußerung
zugewiesen. Im Labor für Digitale Nachrichtentechnik an der Hochschule Niederrhein
wird sehr viel Wert auf dieses Verfahren gelegt.
Seite 9