************************************************************************
*
*
*                          Einladung
*
*
*
*                     Informatik-Kolloquium
*
*
*
************************************************************************

Zeit:  Freitag, 14. Februar 2003, 9.00 Uhr
Ort:   AH VI, Ahornstr.55

Referent: Dipl.-Inform. Sirko Molau
          Lehrstuhl für Informatik VI

Thema: Normalization in the Acoustic Feature Space for Improved Speech
       Recognition

Abstract:

Mangelnde Robustheit gegenüber variablen Aufnahmebedingungen, Sprechern 
und Hintergrundgeräuschen ist einer der Hauptgründe dafür, dass die 
automatische Spracherkennung bis heute nur in wenigen isolierten 
Applikationen zum praktischen Einsatz kommt. Von besonderem Interesse 
sind daher Verfahren, die zur Erhöhung der Robustheit der 
Spracherkennung beitragen.

Im Rahmen des Vortrags wird zunächst gezeigt, dass es einen 
grundsätzlichen Mismatch zwischen den Trainings- und Testdaten eines 
Spracherkennungssystems gibt, der zu einer Reduktion der 
Erkennungsleistung führt. Adaption und Normalisierung sind zwei 
Konzepte, um den Mismatch zu verringern. Sie werden in den Rahmen der 
statistischen Spracherkennung eingefügt, und zwei konkrete 
Normalisierungsverfahren werden im Vortrag genauer vorgestellt.

Die Vokaltraktlängennormierung beruht auf der Verzerrung der 
Frequenzachse während der Signalanalyse. Damit werden sprecherabhängige 
Variationen der Formantfrequenzen im Sprachsignal reduziert. Das 
Verfahren wurde so optimiert, dass konsistent hohe Verbesserungen der 
Erkennungsleistung ohne einen Anstieg an Rechenzeit erzielt werden.

Der zweite Satz von Verfahren sind Histogrammnormalisierung und Rotation 
des Merkmalsraumes. Sie zielen darauf ab, den Mismatch zwischen 
Trainings- und Testdaten durch eine Angleichung ihrer Verteilungen zu 
verringern. Es wird gezeigt, wo die Normalisierung am effektivsten ist, 
wie Sprechpausen behandelt werden können und wie beide Verfahren 
interagieren. Je stärker Trainings- und Testdaten voneinander abweichen, 
umso größer sind die erzielten Verbesserungen der Erkennungsleistung.

Schließlich wird demonstriert, dass die sequentielle Anwendung mehrerer 
Normalisierungsverfahren die Erkennungsleistung im Fall von starkem 
Mismatch zwischen Training und Test von Null auf ein hohes Niveau von 90 
Prozent bringen kann.


Es laden ein: Die Dozenten der Informatik