search query: @keyword speech recognition / total: 24
reference: 9 / 24
« 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 Centre

In 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

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
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