Sprachliche Mensch-Maschine-Kommunikation

158 10. Erkennung statischer Sprachsignale
denen der Codebücher verglichen und so klassifiziert.
Sobald die Menge der zu erkennenden Klassen mehr als nur eine ” Handvoll“
ist, versagen solche einfachen Spektrenvergleiche. Ähnlich schlecht funktionieren
sie, wenn nicht nur statische Laute wie Vokale, sondern etwas kompliziertere
Dinge wie kurze Lautfolgen erkannt werden sollen. Dies ist beim
Buchstabieren der Fall. Die bereits mehrfach erwähnte B-D-G-Task ist ein
Beispiel dafür. Anfang der Achtziger war die erfolgreichste Vorgehensweise
bei dieser Beliebten Aufgabe die Analyse mehreren aufeinanderfolgender
Kurzzeitspektren. In der Tat gehörten relativ einfach strukturierte neuronale
Netze (Multi-Layer-Perzeptronen) zu den am besten funktionierenden Lösungen.
Dabei wurden oft die Eingangsneuronen als ein Fenster zum Spektrogramm
betrachtet, so daß n aufeinanderfolgende Kurzzeitspektren als jeweils
d-dimensionale Filterbankvektoren in die n·d große Eingabeschicht der Netze
geführt. Die Trainingsmethoden und Architekturfeinheiten wurden dann oft
noch so modifiziert, daß die in der Dynamik des Signals liegende Besonderheit
der Sprache berücksichtigt wurde (vgl. Kap. 22).