DAGA 2010 - Deutsche Gesellschaft für Akustik eV

246 DAGA 2010 Programm
Diese sind motiviert durch psycho-physische und neuro-physiologische
Erkenntnisse über die Verarbeitung von Amplituden-Modulationen im
auditorischen System von Säugetieren. Mit den AMS wird die Verarbeitung
von Modulationsfrequenzen durch den Menschen simuliert, indem
für jeden Frequenzkanal der Kurzzeitspektralanalyse zusätzlich auch
das Modulationsspektrum bestimmt wird.
Die Standard-Merkmale in der automatischen Spracherkennung (ASR)
sind die Mel-Frequency Cepstral Coefficients (MFCC), welche mit der
Mel-Filterbank und dem logarithmierten Spektrum eine grobe Repräsentation
des auditorischen Systems zeigen. Da jedoch die AMS ein detaillierteres
Modell der auditorischen Verarbeitung darstellen, erscheint
die Nutzung der AMS als Merkmalsvektoren zur ASR als sinnvoll. Es
wird untersucht, ob diese Merkmale in Verbindung mit einer Klassifikation
durch Hidden Markov Modelle (HMM) besonders unter schwierigen
akustischen Bedingungen, wie Rauschen und Nachhall, Vorteile
bieten. Zudem werden Aspekte der technischen Umsetzung diskutiert,
beispielsweise wie die Länge der Merkmalsvektoren geeignet reduziert
werden kann, da diese je nach Wahl der AMS Parameter sehr groß werden
können.
Do. 9:45 Gauß B 501 Robuste Spracherkennung
Investigating the Complementarity of Spectral and Spectro-temporal
Features
M. Heckmann a , X. Domont b , F. Joublin a und C. Goerick a
a Honda Research Insitute Europe GmbH; b TU Darmstadt
Most common speech features as Mel Ceptstral Coefficients (MFCCs)
and RASTA-PLP features use only spectral information. From measurements
in the mammalian auditory cortex it is known that the mammalian
brain jointly uses spectral and temporal information. To model this
we previously developed Hierarchical Spectro-Temporal (HIST) features.
They consist of two layers, the first capturing local spectro-temporal variations
and the second integrating them into larger receptive fields. At
both layers the receptive fields are learned in a data-driven unsupervised
way. On the first layer we apply ICA (Independent Component Analysis)
and in the second layer Non Negative Sparse Coding (NNSC). The dimensionality
of the resulting features is reduced via the application of a
Principal Component Analysis (PCA) and then fed into a Hidden Markov
Model (HMM). In this paper we investigate the complementarity of these
features to conventional spectral features. For doing so we carried out
experiments in a continuous digit in noise recognition task, a setup very
similar to the Aurora-2 task. Additionally we performed a correlation analysis
between the features. The results show that the HIST features carry
complementary information and that they can be beneficially combined
with purely spectral features especially to reduce error rates in noise.