Hierarchical approach for spotting keywords from an acoustic stream
No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Author
Date
2005
Department
Major/Subject
Tietoverkkotekniikka
Mcode
S-38
Degree programme
Language
en
Pages
xii + 55 s. + liitt. 11
Series
Abstract
Avainsanojen paikantaminen on puheentunnistuksen ongelma, jossa tavoite on löytää vain tietyt äänet akustisesta virrasta. Tyypilliset avainsanojen paikannusjärjestelmät lähestyvät ongelmaa käyttäen puheentunnistustekniikoita, kuten kätkettyjä Markovin malleja ja dynaamista ohjelmointia. Tämän seurauksena näissä lähestymistavoissa esiintyy ongelmia liittyen ei-avainsanojen äänien mallinnukseen ja yleistyvyyden puutteeseen. Tämä työ esittelee ja tutkii uutta lähestymistapaa kohdeäänien paikannukseen akustisesta virrasta. Menetelmä perustuu hierarkkiseen käsittelyyn, jossa ensin johdetaan tasaisin välein näytteistetyt foneemien a posterior todennäköisyysestimaatit, jotka muutetaan ei-tasavälisiksi foneemisten luokkien estimaateiksi käyttäen sovitettuja suotimia. Suodatuksen tuottamat estimaatit vastaavat foneemien esiintymistodennäköisyyksiä, jolloin avainsanat voidaan löytää etsimällä oikea sarja luotettavia foneemien estimaatteja. Tässä työssä tasaisin välein näytteistetyt foneemiestimaatit johdetaan joka 10 ms käyttäen kriittisten kaistojen spektrographia, kaksiuloitteista suodatusta ja 1010 ms pitkiä TRAP-malleja. Syntyvät havainnot syötetään kolmikerroksiseen neoroverkkoon, mikä johtaa pitkän aikavälin kontekstin foneemiestimaatteihin.Description
Supervisor
Kantola, RaimoThesis advisor
Hermansky, HynekKeywords
keyword spotting, avainsanojen paikantaminen, speech recognition, puheentunnistus, hidden Markov model, kätketty Markovin malli, neural network, neuroverkko, TRAP-NN, sovitettu suodin, matched filter, foneemi, phoneme
