Verbesserung der Spracherkennung bei Freisprechen durch die Kombination einer robusten Merkmalsextraktion und einer Adaption der Referenzmuster

摘要

Es wird ein Verfahren zur robusten Spracherkennung vorgestellt, das aus der Kombination einer robusten Merkmalsextraktion und einer Adaption der zur Erkennung verwendeten Referenzmuster besteht. Die Extraktion der robusten Merkmale wird mit einem von ETSI standardisierten Verfahren vorgenommen. Damit lassen sich beachtliche Verbesserungen bei der Erkennung von in gestorter Umgebung aufgenommenen Sprachsignalen erzielen. Die Leistungsfahigkeit eines auf diesem Verfahren beruhenden Spracherkennungssystems verschlechtert sich allerdings bei einer Spracheingabe im Freisprechmodus in einer raumlichen Umgebung deutlich. Dabei beeinflusst neben den eventuell vorhandenen Storgerauschen der Nachhall des Raumes das Sprachsignal. Es wird gezeigt, dass fur diese Kombination von Storeinflussen die Erkennungsraten durch den zusatzlichen Einsatz einer Adaption der Referenzmuster verbessert werden konnen. Dabei beruht die Adaption auf einer Schatzung der Nachhallzeit des Raumes. Eine derartige Adaption kann bei allen Spracherkennungssystemen eingesetzt werden, die auf einer Extraktion robuster spektraler Merkmale beruhen, um ihre Einsatzfahigkeit auf eine Spracheingabe im Freisprechmodus zu erweitern.