Sprachliche Mensch-Maschine-Kommunikation

10.1 Zeitsignalbasierte Erkennung 155
Klassifikator scheint in solchen Situationen angebrachter. Zum Beispiel
könnte ein Gauß-Klassifikator verwendet werden, der zwei multivariate
Normalverteilungen, eine für Sprache und eine für Stille modelliert. Im
allgemeineren Fall könnten sogar mehrere Verteilungen je Modell verwendet
werden und so der Grenzverlauf zwischen den Modellen beliebig kompliziert
modelliert werden.
In machen Situationen, insbesondere wenn die Rechnerkapazität dies
erlaubt, kann zur Detektion von Stille sogar ein kompletter Spracherkenner
verwendet werden. Dieser Spracherkenner muß nicht mit einem großen
Vokabular laufen. Zum Beispiel würde ein Lauteerkenner, der auch den
” Laut“ Stille erkennen kann ausreichen. Im Extremfall kann das Vokabular
des Erkenners aus nur zwei Vokabeln“, Stille und Sprache, bestehen, was
”
dann einem einfachen Klassifikator wie weiter oben beschrieben sehr nahe
kommt.
10.1.2 Kombination von Merkmalen
Für Nahbesprechungsmikrophone funktionieren einfache, nur die Energie
messende Detektoren meist ausreichend gut. Wenn die Aufnahmebedingungen
aber so sind, daß die Hintergrundgeräusche in etwa so laut sind wie
leise Anteile der Sprache, müssen etwas intelligentere Detektoren verwendet
werden. Hin und wieder beobachtet man das Phänomen, daß die letzten
Silben eines Satzes von Detektoren abgeschnitten werden, weil es üblich ist,
die Lautstärke am Ende eines Satzes zu senken, was dazu führt, daß die
Signalenergie unter den Schwellwert fällt, der höher als das Hintergrundrauschen
gewählt wurde.
Auch Sprachlaute, die nur wenig Energie haben, wie zum Beispiel Konsonanten,
werden leicht von einfachen Detektoren als Stille mißverstanden.
In solchen Fällen bietet es sich an, weitere Eigenschaften des Signals außer
der Energie zu messen.
Die Nulldurchgangsrate und der Verlauf der Amplituden sind Merkmale,
die gerne verwendet werden. Zwar ist es so, daß die Energie des Signals
dem Integral unter dem Quadrat der Amplitude entspricht, aber dennoch
enthält die Amplitude zusätzliche Information. Hohe Amplituden, die nicht
lange anhalten haben wenig Energie, deuten aber auf Plosivlaute oder
Stopplaute hin. Die Nulldurchgangsrate bzw. die Änderung derselben kann
auch Hinweise darauf geben, daß Sprache vorliegt, obwohl die Energie sehr
niedrig ist.