Sprachliche Mensch-Maschine-Kommunikation

Inhaltsverzeichnis IX
8. Verarbeitung von Sprachsignalen . . . . . . . . . . . . . . . . . . . . . . . . 105
8.1 Eigenschaften des Signals im Zeitbereich . . . . . . . . . . . . . . . . . . 105
8.1.1 Amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
8.1.2 Nulldurchgangsrate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
8.1.3 Energie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
8.2 Spektralranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.2.1 Langzeitspektrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
8.2.2 Kurzzeitspektrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
8.2.3 Spektrogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
8.2.4 Filterbänke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
8.3 Cepstralanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8.4 Codierung durch Lineare Vorhersage . . . . . . . . . . . . . . . . . . . . . . 121
8.5 Einfache Signalnormalisierungen . . . . . . . . . . . . . . . . . . . . . . . . . . 122
8.5.1 Offsetnachführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.5.2 Mittelwertssubtraktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
8.6 Wavelets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
9. Klassifikation und Mustererkennung . . . . . . . . . . . . . . . . . . . . . 127
9.1 Klassifikatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
9.1.1 Deterministische und stochastische Klassifikatoren . . . . 127
9.1.2 Parametrische und nichtparametrische Schätzer . . . . . . 128
9.1.3 Überwachtes und unüberwachtes Lernen. . . . . . . . . . . . . 128
9.1.4 Neuronale Netze als Klassifikatoren . . . . . . . . . . . . . . . . . 129
9.1.5 Vektor Quantisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
9.1.6 Codebücher. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
9.1.7 Bayes Klassifikator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.1.8 Gaußklassifikatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.2 Der Expectation Maximization Algorithmus . . . . . . . . . . . . . . . 144
9.3 Diskriminanzoptimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.3.1 Hauptachsentransformation und Lineare Diskriminanzanalyse
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.3.2 Dimensionalitätsreduktion . . . . . . . . . . . . . . . . . . . . . . . . . 148
10. Erkennung statischer Sprachsignale . . . . . . . . . . . . . . . . . . . . . . 151
10.1 Zeitsignalbasierte Erkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.1.1 Endpunktdetektion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.1.2 Kombination von Merkmalen . . . . . . . . . . . . . . . . . . . . . . 155
10.2 Das Vokaldreieck . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
10.3 Vergleich von Spektrogrammen . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
11. Erkennung dynamischer Sprachsignale . . . . . . . . . . . . . . . . . . . 159
11.1 Minimale Editierdistanz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
11.2 Dynamisches Programmieren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
11.2.1 Distanz zwischen zwei Sprachsignalen . . . . . . . . . . . . . . 167
11.3 Spracherkennung mittels Dynamic Time Warping . . . . . . . . . . . 169