Cepstral Domain Segmental Nonlinear Feature Transformations for Robust Speech Recognition

Histogram Equalization to Model Adaptation for Robust Speech Recognition

“…When the amount of sample data is small, the order statistic-based CDF estimation method can be more reliable than the classical histogram-based approach due to its enhanced probabilistic resolution. A brief algorithm of the order statistics-based CDF estimation is given as follows [13].…”

“…HEQ is basically a nonlinear transformationbased approach. In this sense, it can fundamentally cope with the nonlinearity of noisy features in the case of logarithmic space-based features such as cepstral features and is reported to provide considerable performance improvements in both speech recognition and speaker recognition in noisy environments [11][12][13][14][15][16][17]. In addition, HEQ is computationally efficient because most of its algorithm consists of sort and search routines with relatively narrow depth and scope.…”

Realce E Reconhecimento De Voz Contínua Em Ambientes Adversos

“…Segundo [146] a função densidade de probabilidade do sinal de voz tem uma forma de onda similar a uma Gaussiana, além de que grande parte dos sistemas de reconhecimento as distribuições de saída dos HMMs são modeladas como mistura de Gaussianas. Já em [147] foi proposta uma função de distribuição empírica estimada a partir dos histogramas acumulativos dos dados de treinamento. Dessa forma a função de distribuição de referência terá uma forma muito semelhante a uma mistura gaussiana, cujos valores de média e variância têm a ver com características próprias do banco de dados e do processo de treinamento.…”

“…Os autores propõem que a equalização dos coeficientes C 0 e C 1 seja responsável pelo maior incremento nas taxas de acerto, aumentando o número de coeficientes quando existe ruído de canal adicionado ao ruído aditivo. Uma melhoria adicional do HEQ foi proposta em [150], onde os parâmetros são estimados para normalizar os histogramas dos atributos e maximizar a probabilidade dos atributos normalizados avaliados no modelo acústico. Recentemente em [151] foi proposta uma mistura de uma filtragem temporal de média com a normalização baseada em HEQ chamada filteredbased histogram equalization (FHEQ) com o objetivo suavizar a sequência de funções de distribuição de probabilidades antes do mapeamento.…”

“…Uma forma mais simples e de menos gasto computacional para obter a transformação é através da estatística ordenada dos dados, proposta por Segura et al em [147].…”