Sprachliche Mensch-Maschine-Kommunikation

170 11. Erkennung dynamischer Sprachsignale
Testaufnahme
Wort 1
Wort 2
Wort n
. . .
Abb. 11.10. Einzelworterkennung mit DTW-Algorithmus
gehört, oder man gibt das Wort aus, dessen alle Referenzen den kleinsten
durchschnittlichen Abstand haben.
Derartige Erkenner sind durchaus als einfache Kommandoerkenner tauglich.
Einige Soundkarten beinhalten solche Erkenner in ihrem Softwarepaket
und die in Mobiltelefonen eingebauten sprachgesteuerten Wählmechanismen
funktionieren auf derselben Idee.
Experiment 11.2: DTW-Erkenner
Starten Sie das Applet DTW. Auf der Oberfläche sehen zwei Karteikarten,
eine (betitelt mit ” Recording“) zum Aufzeichnen und Abspielen von drei
kurzen Sprachaufnahmen. Sie können einen Teil der dargestellten Aufnahme
ausschneiden indem Sie ihn mit gedrücktem Mauszeiger überfahren. Eine
der Aufnahemn ist mit Reference bezeichnet, die anderen mit Signal 1 und
Signal 2.
Wenn Sie drei Aufnahmen gemacht haben und auf die Kartei DTW
zurückschalten, sehen Sie zwei DTW-Matrizen, die die lokalen Distanzen
der Sprachvektoren als Graustufen darstellen. Wenn Sie dieselbe Aufnahme
für die das Testmuster und für die Referenz verwenden, sehen Sie, daß die
Graustufenmatrix symmetrisch ist und entlang der Diagonalen (von links
unten nach rechts oben) überall die Distanzen 0 hat.
Durch Klicken auf DTW 1 wird ein kompletter DTW-Algorithmus zum
Vergleichen des Signals 1 mit dem Referenzmuster berechnet. Entsprechend
verhält sich DTW 2 .
Auf der DTW-Matrix erscheint dann der DTW-Pfad hervorgehoben und
darunter wird die akkumulierte Distanz angezeigt.
d1
d2
dn
min