Sprachliche Mensch-Maschine-Kommunikation

12.5 Spracherkennung mit Hidden Markov Modellen 199
12.5.1 Ein einfacher HMM Einzelkommandoerkenner
Im folgenden werden die Bestandteile und die Funktionsweise eines einfachen
auf Hidden-Markov-Modellen basierenden Einzelworterkenners beschrieben.
Der Begriff ” Einzelwort“ ist in diesem Zusammenhang eher akustisch als
linguistisch gemeint. ” Einzelkommandoerkenner“ wäre vielleicht der bessere
Begriff. Als Einzelwort kann auch eine Folge von Wörtern gemeint sein.
Allerdings ist dies aus der Sicht des Erkenners irrelevant. Jede Aufnahme
wird als eine Einheit betrachtet, die zu einer einzigen aus einer Menge
gegebener Klassen gehört.
Die Erkennungsaufgabe bestehe darin, einzelne Wörter aus einem
Vokabular L = {w1, w2, . . .w |L|} zu erkennen. Das bedeutet, der Erkenner
verwendet |L| verschiedene HMMs λ(w1), λ(w2), . . . λ(w |L|). Zunächst muß
jedes λ(wi) definiert werden. Ohne weiteres Wissen werden alle Modell mit
der gleichen Architektur und den gleichen Parametern initialisiert, zum
Beispiel mit je n Zuständen im Bakis-Schema und Gauß-Mischverteilungen
mit je k Normalverteilungen zur Modellierung der Emissionswahrscheinlichkeiten.
Da das Baum-Welch-Verfahren keine Anforderungen an die
Initialwerte der HMM-Parameter stellt, kann man mit beliebigen (zufällig
initialisierten) Werten anfangen.
Für jedes Vokabularwort werden eines oder mehr Beispiele aufgezeichnet
und vorverarbeitet (zum Beispiel zu Cepstren mit 13-koeffizientigen Cepstralvektoren
alle 10ms).
Jedes Wort-HMM wird mit seinen Trainingsbeispielen entsprechend
dem Baum-Welch-Verfahren optimiert. Dabei wird das Verfahren (Forward-
Backward, Baum-Welch-Regeln) für alle Trainingsbeispiele hintereinander
durchgefürht. Gegebenenfalls werden mehrere Iteration über die gesamten
Trainingsdaten gerechnet.
Damit ist der Erkenner fertig trainiert und einsatzbereit. Zum Erkennen
wird ein Wort gesprochen und die Aufnahme X genauso verarbeitet wie die
Trainingsdaten. Auf der Aufnahme werden nun alle P(X|λ(wi)) mit Hilfe
des Forward-Algorithmus berechnet. Gesucht ist allerdings: P(λ(wi)|X).
Dies läßt sich mit der Kenntnis der a priori Wahrscheinlichkeiten P(wi) und
der Bayes-Regel ausrechnen. Die P(wi) können – wenn kein Wissen und
keine Statistik darüber bekannt ist – gleichverteilt angenommen werden.
Das Wort ˆw gilt als erkannt, wenn
ˆw = argmaxP(λ(wi)|X)
(12.24)
wi