Stochastische und neuronale Konzepte zur automatischen Spracherkennung

Meer over het boek

Verfahren und Systeme zur automatischen Erkennung von telefonbandbegrenzter Sprache sind entscheidend für die Steuerung zukünftiger Informationsdienste in Telekommunikationssystemen. Es werden Spracherkennungssysteme benötigt, die unabhängig von Sprechern und in geräuscherfüllter Umgebung hohe Erkennungsleistungen bieten. Die Schrift vergleicht die Leistungsfähigkeit stochastischer und neuronaler Konzepte am Beispiel der sprecherunabhängigen Worterkennung. Zunächst wird ein allgemeines Funktionsschema eines Spracherkennungssystems vorgestellt, gefolgt von einer Beschreibung der Merkmalsextraktion. Die automatische Spracherkennung mit stochastischen Wortmodellen wird erläutert, und die Erkennungsleistung von wortorientierten Systemen, basierend auf diskreten oder kontinuierlichen Hidden-Markov-Modellen, wird diskutiert. Anschließend wird auf neuronale Ansätze eingegangen, wobei die Leistungsfähigkeit verschiedener neuronaler Netzwerke anhand der nichtlinearen Prädiktion stochastischer Signale analysiert wird. Es werden Systeme mit wort- und phonemorientierten Basiselementen betrachtet. Die Erkennungsleistung neuronaler Systeme wird mit der stochastischer Modelle verglichen. Ein weiterer Schwerpunkt liegt auf der Robustheit der Systeme gegenüber Störsignalen. Methoden zur Erzielung hoher Erkenntnisraten in geräuscherfüllter Umgebung werden vorgestellt. Die Themen Digitale Sprachsignalverarbeitung, Mensch-Maschine-Kommunikation,