search query: @keyword piirteiden täysi asteluku / total: 1
reference: 1 / 1
« previous | next »
Author: | Keronen, Sami |
Title: | Parrallel model combination in large vocabulary continuous speech recognition |
Rinnakkaisten äänimallien yhdistäminen jatkuvassa laajan sanaston puheentunnistuksessa | |
Publication type: | Master's thesis |
Publication year: | 2009 |
Pages: | (8+) 62 Language: eng |
Department/School: | Signaalinkäsittelyn ja akustiikan laitos |
Main subject: | Akustiikka ja äänenkäsittelytekniikka (S-89) |
Supervisor: | Alku, Paavo |
Instructor: | Palomäki, Kalle |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark S80 | Archive |
Keywords: | noise robust noisy large vocabulary speech recognition data-driven PMC noise model full feature vector kohinansieto kohinainen suuri sanasto puheentunnistus data-driven PMC kohinamalli piirteiden täysi asteluku |
Abstract (fin): | Yksi eniten automaattista puheentunnistusta vaikeuttavista ulkoisista tekijöistä on taustamelun määrä ja laatu. Kohinaista puheentunnistusta on tutkittu jo pitkään, mutta suurin osa tutkimuksista on tehty pienen tai keskisuuren sanaston, tai yksittäisten sanojen tunnistimilla englannin kielellä. Tässä TKK:n Adaptiivisen Informatiikan tutkimusyksikössä tehdyssä työssä tutkittiin Data-driven PMC-kohinansietomenetelmän soveltuvuutta jatkuva-aikaisen laajan suomenkielisen sanaston tunnistukseen. DPMC:ssä opetetaan mallit sekä puheelle että kohinalle, jotka yhdistämällä voidaan estimoida kohinaista puhetta. Testiaineistona käytettiin sekä valmiiksi meluisassa ympäristössä nauhoitettua puhetta että puhtaan puheen päälle lisättyä kohinaa. Lisäksi tutkittiin kohinamallin piirteiden asteluvun vaikutusta tunnistustuloksiin. Yleensä kepstritason kertoimien määrää vähennetään laskennan tehostamiseksi. Tulosten perusteella Data-driven PMC-menetelmä paransi huomattavasti matalan signaali-kohinasuhteen tunnistustarkkuutta verrattuna perustason tunnistimeen, josta kohinansieto puuttui. Heikosti kohinaisella signaalilla ilmiö oli lähes päinvastainen; DPMC:n kirjaintason virheprosentiksi saatiin eräässä, kokonaistuloksia kuvastavassa, julkisella paikalla nauhoitetulla puheella tehdyssä testissä 14,1 % (SNR 24 dB), 16,0 % (14 dB) ja 23,3 % (9 dB). Perustason tunnistimen vastaaviksi virheprosenteiksi saatiin 6,6 %, 34,8 % ja 49,5 %. Kohinamallin piirteiden asteluvun pitäminen täytenä näytti pienentävän tunnistusvirhettä suhteellisesti enemmän suurilla signaali-kohinasuhteilla kuin pienillä. Samassa aitoa kohinaista dataa käyttävässä testissä saavutettiin virheprosenteiksi 13,6 %, 15,7 % ja 23,0 %. Data-driven PMC:llä pystytään parempaankin tunnistustarkkuuteen laskenta-ajan kustannuksella, jos Monte-Carlo menetelmällä generoitujen jakaumaestimaattien otantaa kasvatetaan. |
ED: | 2009-04-17 |
INSSI record number: 37318
+ add basket
« previous | next »
INSSI