Using word temporal structure in HMM speech recognition

Fissore, L.; Laface, Pietro; Ravera, Franco

doi:10.1109/icassp.1997.596101

Cited by 10 publications

(8 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…onde k, 1 ≤ k ≤ K, refere-se a k-ésima (linha) componente do t−ésimo segmento da matriz e n, 1 ≤ n ≤ N (coluna), refere-se a ordem da TCD. Dessa forma, obtém-se a matriz de duas dimensões, onde o interesse está nos coeficientes de baixa ordem de k e n que codificam as variações de longo prazo do envelope espectral do sinal de voz [6]. Este procedimentoé realizado para cada palavra falada.…”

Section: Geração Da Matriz Temporal Bidimensional-tcdunclassified

“…Os outros estados, em vez disso, são rapidamente atravessados devido a sua distribuição não se adaptar bem ao restante da observação. Esses erros, portanto, não dependem da confusão intrínseca de palavras de acústica semelhantes, mas principalmente pela falta de boa modelagem da duração do evento acústico o que produz hipótese fracamente relacionadaà acústica da palavra correta [6]. Para justificar a estrutura dinâmica dos vetores de observação, incluindo as variações locais e globais, este artigo, propõe um sistema de reconhecimento de voz de dígitos isolados que não se baseia diretamente no modelamento da duração estado/palavra; em vez disso, baseia-se nas variações globais das características espectrais de cada palavra e sua correlação no tempo, duas importantes características que são exploradas parcialmente pelo HMM clássico.…”

unclassified

See 1 more Smart Citation

Sistema De Inferência Fuzzy Baseado Na Transformada Cosseno Discreta Para Reconhecimento De Voz

Santos¹,

Serra²

2016

Anais Do 10. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Resumo-A utilização da transformada cosseno discreta (TCD) na compressão de dados e na classificação de padrões aumentou muito nosúltimos anos, e isso deve-se principalmente ao fato do seu desempenho aproximar-se muito dos resultados obtidos com a transformada de Karhunen-Loève queé consideradaótima. Neste trabalho procura-se demonstrar o potencial da Transformada Cosseno Discreta, bem como Sistemas Fuzzy no reconhecimento de voz. Essas duas ferramentas mostraram bons resultados no modelamento temporal do sinal de voz. Após uma exposição do modelamento matemático da voz utilizada neste artigo, aborda-se de forma sucinta a extração das características temporais do sinal de voz e define-se um sistema de reconhecimento automático de voz, como classificador, que extrai as características das locuções, coeficientes mel cepstrais de duas dimensões, e através da transformada discreta cosseno são apresentados os padrões para o classificador fuzzy. Palavras-chave-Transformada cosseno discreta, reconhecimento de voz, sistema fuzzy, mel-cepstral.

show abstract

Section: Geração Da Matriz Temporal Bidimensional-tcdunclassified

unclassified

Sistema De Inferência Fuzzy Baseado Na Transformada Cosseno Discreta Para Reconhecimento De Voz

Santos¹,

Serra²

2016

Anais Do 10. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

show abstract

“…onde k, 1 ≤ k ≤ K, refere-se a k-ésima linha(n o de coeficientes mel-cepstrais), componente do t−ésimo segmento da matriz e n, 1 ≤ n ≤ N , refere-se a n-ésima coluna(ordem da TCD), mf cc k (t) representa os coeficientes mel-cepstrais. Dessa forma, obtém-se a matriz de duas dimensões, onde o interesse está nos coeficientes de baixa ordem de k e n que codificam as variações de longo prazo do envelope espectral do sinal de voz [17]. Este procedimentoé realizado para cada palavra falada.…”

Section: B Geração Da Matriz Temporal Bidimensional-tcdunclassified

Otimização Bio-inspirada Utilizando Enxame de Partículas com Aplicação em Reconhecimento de Voz

Beserra¹,

Serra²,

Silva³

2016

Anais Do 11. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Este artigo propõe a otimização não linear de um Classificador de Padrões para Reconhecimento de Voz utilizando a técnica de Enxame de Partículas. O Classificador utiliza um sistema de inferência fuzzy para realizar a decisão do reconhecimento. O pré-processamento do sinal de voz incia-se com a retirada do silêncio com o algoritmo de taxa de cruzamento por zero e energia média deslizante e alinha-se temporalmente os sinais de voz utilizando-se a 'Dynamic Time Warping'. Em seguida calcula-se os coeficientes mel-cepstrais. Após o préprocessamento utiliza-se a Transformada Cosseno Discreta (TCD) para gerar uma matriz temporal bidimensional. Essa matriz será utilizada como entrada do sistema de implicação fuzzy para gerar os padrões das palavras a serem reconhecidas. Finalmente são mostrados os resultados experimentais obtidos no processo de otimização para o reconhecimento de voz aplicado ao idioma português brasileiro.

show abstract

“…Thus, the two-dimensional time matrix, where the interesting low-order coefficients and that encode the longterm variations of the spectral envelope of the speech signal is obtained [9]. Thus, there is a two-dimensional time matrix ( , ) for each input speech signal.…”

Section: A Two-dimensional Time Matrix Dct Codingmentioning

confidence: 99%

A GMM/CPSO speech recognition system

Beserra

Silva

Serra

2015

2015 IEEE 24th International Symposium on Industrial Electronics (ISIE)

View full text Add to dashboard Cite

This paper proposes the optimization of a GMM system for the automatic recognition of numerical commands of voice using Chaotic Particle Optimization (CPSO). In addition preprocessing the speech signal with mel-frequency cepstral coefficients, we use the discrete cosine transform (DCT) to generate a two-dimensional temporal array used as input to a GMM system to generate the pattern of the words to be recognized.978-1-4673-7554-2/15/$31.00 ©2015 IEEE

show abstract

Using word temporal structure in HMM speech recognition

Cited by 10 publications

References 5 publications

Sistema De Inferência Fuzzy Baseado Na Transformada Cosseno Discreta Para Reconhecimento De Voz

Sistema De Inferência Fuzzy Baseado Na Transformada Cosseno Discreta Para Reconhecimento De Voz

Otimização Bio-inspirada Utilizando Enxame de Partículas com Aplicação em Reconhecimento de Voz

A GMM/CPSO speech recognition system

Contact Info

Product

Resources

About