DAGA 2010 - Deutsche Gesellschaft für Akustik eV

Programm DAGA 2010 245
and the direct modelling of statistical dependencies between consecutive
feature vectors by the LDM, are exploited. Phone classification experiments
conducted on the TIMIT database indicate the prospective use
of this approach for the application to continuous speech recognition.
Do. 8:55 Gauß B 501 Robuste Spracherkennung
Filterung der Kurzzeit-Energieverläufe in Teilbändern zur Verbesserung
der Spracherkennung bei Freisprechen
A. Kitzig und H.-G. Hirsch
Hochschule Niederrhein
Beim Einsatz eines Spracherkennungssystems im Freisprechmodus in
einer räumlichen Umgebung stellt man eine deutliche Verschlechterung
der Erkennungsraten auf Grund des Nachhalls fest. Ein möglicher Ansatz
zur Verbesserung der Erkennungsraten besteht in einer Vorverarbeitung
des Sprachsignals zur Reduktion des Halls. Da zur Extraktion
relevanter akustischer Merkmale im Bereich der Spracherkennung meist
eine Analyse im Spektralbereich stattfindet, bietet sich der Einsatz eines
im Frequenzbereich arbeitenden Verfahrens an. Der Nachhall führt zu
einer Tiefpassfilterung des Verlaufs der Kurzzeit-Energie in einzelnen
Teilbändern. Es gab bereits verschiedene Untersuchungen zur Verwendung
einer inversen Filterung. Dabei wurden die Filter in der Regel aus
einem einfachen Hallmodell abgeleitet, das auf einem exponentiell abfallenden
Verlauf der Raumimpulsantwort beruht. Damit kann allerdings
nur näherungsweise der Nachhall in realen Räumen modelliert werden.
Im Rahmen dieser Untersuchungen werden zunächst verschiedene Filteransätze
zur Modellierung des Nachhalls realer Räume im Frequenzbereich
betrachtet. Dabei werden Filterstrukturen betrachtet, die eine
bessere Modellierung im Vergleich zu den einfachen Hallmodellen erlauben.
Aus den geeignetsten Filtermodellen wird eine zugehörige inverse
Filterung abgeleitet. Die Verwendbarkeit einer derartigen Vorgehensweise
zur Reduktion des Halls und zur Verbesserung der Spracherkennung
wird im Rahmen von Erkennungsexperimenten mit Sprachdaten aufgezeigt,
deren Aufnahme im Freisprechmodus durch Faltung mit realen
Raumimpulsantworten nachempfunden wird.
Do. 9:20 Gauß B 501 Robuste Spracherkennung
Robustheit automatischer Spracherkennung mit Amplitudenmodulationsspektrogrammen.
N. Moritz a , J. Anemüller b und B. Kollmeier b
a Fraunhofer IDMT / Hör-, Sprach- und Audiotechnologie, Oldenburg;
b Medizinische Physik, Carl-von-Ossietzky Universität Oldenburg
Heutige automatische Spracherkennersysteme erreichen bei weitem
nicht die Leistung des menschlichen Gehörs, wenn sie in akustisch
schwierigen Bedingungen, wie etwa störgeräuschbehafteten oder halligen
Umgebungen, eingesetzt werden. In diesem Beitrag wird zur Erhöhung
der Robustheit der Ansatz einer am Gehör orientierten Musterextraktion
durch Amplitudenmodulationsspektrogramme (AMS) verfolgt.