Sprachliche Mensch-Maschine-Kommunikation

34 3. Geschichte
eine abhörsichere Leitung zwischen dem Weißen Haus in Washington und
London zu verwenden auf der auch Sprache übertragen werden konnte. Da
Dudleys Erfindung die Sprache digitalisierte, war es ein Leichtes, die digitale
Version zu verschlüsseln und über das Atlantikkabel zu übertragen. Schon
bald wurden höhere Übertragungsraten möglich, und die Verwendung der
Halbleitertechnik ermöglichte weiteren Fortschritt, so daß Dudleys Vocoder
bald nicht mehr aktuell war. Jedoch ist es ihm zu verdanken, daß viele
Sprachforscher sich Gedanken gemacht haben, welche Eigenschaften ein
Sprachsignal ausmachen, was benötigt wird, um den Inhalt des Gesprochenen
wiederzuerkennen, und wie diese Eigenschaften sinnvoll codiert werden
können. Auch spätere Sprachanalysesysteme (z.B. [?]) bedienten sich des
Begriffs ” Vocoder“.
Schon Ende der vierziger, Anfang der fünfziger Jahre [?] [?] wurden
Forschungsarbeiten durchgeführt, um aus digitalisierten Sprachsignalen
deren Inhalt zu extrahieren. Die ersten Experimente wurden noch auf
dem reinen Signal gemacht. Später ging man dazu über, das Signal so
vorzuverarbeiten, daß als Merkmalsraum für die Erkennung nicht mehr der
Zeitbereich, sondern der Frequenzbereich des Signals verwendet wurde. Die
erstaunlich guten Leistungen von Experten [?], die anhand einer vorliegenden
Spektralanalyse eines Sprachsegments das Gesagte korrekt herauslesen
konnten, ermunterte die Forscher dazu, das Spektrum als das Merkmal der
Wahl für die automatische Spracherkennung zu verwenden.
Die frühen Forschungsarbeiten wurden mit Aufnahmen von Vokalen eines
Sprechers durchgeführt [?] [?]. Erst später fing man an, größere Spracheinheiten
zu erkennen. Als es möglich war, ganze Wörter zu erkennen [?] [?],
entstanden verschiedene Anwendungen, wie zum Beispiel die Steuerung von
Geräten oder die Identifizierung von Sprechern. Der Benutzer mußte jedes
zu erkennende Wort ein oder mehrere Male sprechen, damit der Erkenner
Referenzmuster anlegen konnte. Während der Erkennung wurde dann das
Gesprochene mit den gespeicherten Referenzen verglichen und die Klasse
des am besten passenden Musters identifiziert.
In den siebziger Jahren wurde die Erkennung von kontinuierlicher
sowie sprecherunabhängiger Sprache vorangetrieben [?]. Die Größen der
verwendeten Wortschätze und die Vielfalt der akustischen Eigenschaften
verschiedener Sprecher machten es nicht mehr praktikabel, für jedes zu
erkennende Wort Referenzmuster zu sammeln und abzuspeichern. Die
angelegten Referenzmuster bezogen sich nun auf kleinere Spracheinheiten,
wie Phoneme, aus denen jedes Wort des Erkennervokabulars konkateniert
werden konnte. Der Einsatz kontinuierlicher Sprache brachte einen weiteren
Schwierigkeitsgrad mit sich. Nun waren die Grenzen der einzelnen Wörter
nicht mehr vorgegeben und mußten vom Erkenner selbst gefunden werden,