In the first part, we presented a n

In the first part, we presented a novel method for estimation of the
voicing information of speech spectra in the presence of noise. The presented method is
based on calculating a similarity between the shape of signal short-term spectrum and the
spectrum of the frame-analysis window. It does not require information about the F0 and is
particularly applicable to speech pattern processing. Evaluation of the method was
presented in terms of false-rejection and false-acceptance errors and good performance was
demonstrated in noisy conditions. The second part of the chapter presented an employment
of the voicing information into the missing-feature-based speech and speaker recognition
systems to improve noise robustness. In particular, we were concerned with the mask
estimation problem for voiced speech. It was demonstrated that the MFT-based recognition
system employing the estimated spectral voicing information as a mask obtained results
very similar to those of employing the oracle voicing information obtained based on full a-
priori knowledge of noise. The achieved results showed significant recognition accuracy
improvements over the standard recognition system. The third part of the chapter presented
an incorporation of the spectral voicing information to improve modelling of speech signals
in application to speech recognition in noisy conditions. The voicing-information was
incorporated within an HMM-based statistical framework in the back-end of the ASR
system. In the proposed model, a voicing-probability was estimated for each mixture at each
HMM state and it served as a penalty during the recognition for those mixtures/states
whose voicing information did not correspond to the voicing information of the signal. The
evaluation was performed in the standard model and in the missing-feature model that had
compensated for the effect of noise and experimental results demonstrated significant
recognition accuracy improvements in strong noisy conditions obtained by the models
incorporating the voicing information.

Kết quả (Việt) 1:

Trong phần đầu tiên, chúng tôi trình bày một phương pháp mới lạ cho các ước tính của các lồng tiếng cho thông tin của bài phát biểu spectra sự hiện diện của tiếng ồn. Phương pháp trình bày Dựa trên tính toán một điểm giống nhau giữa các dạng tín hiệu quang phổ ngắn hạn và các quang phổ phân tích khung cửa sổ. Nó không đòi hỏi thông tin về F0 và đặc biệt là áp dụng cho các bài phát biểu mô hình xử lý. Đánh giá về các phương pháp trình bày về lỗi sai từ chối và chấp nhận sai và tốt hiệu suất chứng minh trong điều kiện ồn ào. Phần thứ hai của chương trình bày một việc làm thông tin lồng tiếng vào việc thiếu-tính năng dựa trên phát biểu và diễn giả công nhận Hệ thống để cải thiện tiếng ồn mạnh mẽ. Đặc biệt, chúng tôi đã có liên quan với mặt nạ dự toán các vấn đề cho các bài phát biểu lồng tiếng. Nó đã được chứng minh rằng nhận dạng dựa trên MFT Hệ thống sử dụng thông tin ước tính lồng tiếng phổ là một mặt nạ thu được kết quả rất giống với những người sử dụng oracle bày tỏ thông tin thu được dựa trên toàn a -tiên nghiệm các kiến thức về tiếng ồn. Kết quả đạt được cho thấy độ chính xác đáng kể sự công nhận cải tiến trong hệ thống tiêu chuẩn công nhận. Phần thứ ba của chương trình bày thiết chế tạo các tín hiệu một kết hợp của các thông tin quang phổ lồng tiếng để nâng cao mô hình của bài phát biểu trong ứng dụng để nhận dạng giọng nói trong điều kiện ồn ào. Lồng tiếng-thông tin kết hợp trong một khuôn khổ thống kê dựa trên HMM cuối trở lại ASR Hệ thống. Trong mô hình được đề xuất, lồng tiếng, xác suất ước cho hỗn hợp mỗi mỗi HMM bang và nó phục vụ như là một hình phạt trong sự công nhận cho những hỗn hợp/tiểu bang thông tin lồng tiếng mà không tương ứng với thông tin lồng tiếng của các tín hiệu. Các thẩm định được thực hiện trong mô hình chuẩn và các mô hình thiếu tính năng này có bồi thường cho các tác động của tiếng ồn và thực nghiệm đã chứng minh kết quả đáng kể cải tiến độ chính xác nhận dạng trong điều kiện ồn ào mạnh thu được bằng các mô hình kết hợp các thông tin lồng tiếng.

Kết quả (Việt) 2:

Trong phần đầu tiên, chúng tôi trình bày một phương pháp mới để tính toán các
thông tin lên tiếng phổ bài phát biểu trong sự hiện diện của tiếng ồn. Các phương pháp trình bày được
dựa trên tính toán sự tương tự giữa hình dạng của tín hiệu quang phổ ngắn hạn và
phổ của cửa sổ khung phân tích. Nó không đòi hỏi thông tin về F0 và là
đặc biệt áp dụng để xử lý mẫu bài phát biểu. Đánh giá của phương pháp này đã được
trình bày trong các điều khoản của giả từ chối và giả chấp nhận lỗi và hiệu năng tốt đã được
chứng minh trong điều kiện ồn ào. Phần thứ hai của chương trình bày một việc làm
của các thông tin nói lên thành lời nói và nhận dạng loa thiếu-tính năng dựa trên
hệ thống để cải thiện tiếng ồn mạnh mẽ. Đặc biệt, chúng tôi có liên quan với mặt nạ
vấn đề lập dự toán cho bài phát biểu lên tiếng. Nó đã được chứng minh rằng việc công nhận MFT dựa trên
hệ thống sử dụng các thông tin phổ bày tỏ ước tính như một mặt nạ thu được kết quả
rất giống với những người sử dụng các thông tin thu được oracle lên tiếng dựa trên đầy đủ a-
kiến thức tiên nghiệm của tiếng ồn. Các kết quả đạt được cho thấy chính xác công nhận đáng kể
cải tiến so với hệ thống nhận dạng tiêu chuẩn. Phần thứ ba của chương trình
là một kết hợp của các quang phổ bày tỏ thông tin để cải thiện mô hình của tín hiệu phát biểu
trong ứng dụng nhận dạng giọng nói trong điều kiện ồn ào. Thì giọng nói-thông tin đã được
kết hợp trong một hệ thống thống kê HMM-dựa vào back-end của ASR
hệ thống. Trong mô hình đề xuất, một lồng tiếng xác suất ước tính cho mỗi hỗn hợp tại mỗi
trạng thái HMM và nó phục vụ như là một quả phạt đền trong sự công nhận cho những hỗn hợp / tiểu bang
mà bày tỏ thông tin không tương ứng với các thông tin lồng tiếng của các tín hiệu. Các
đánh giá được thực hiện trong mô hình tiêu chuẩn và trong mô hình còn thiếu tính năng để đã
bù đắp cho sự ảnh hưởng của tiếng ồn và thực nghiệm đã chứng minh kết quả đáng kể
cải thiện độ chính xác công nhận trong điều kiện ồn ào mạnh thu được từ các mô hình
kết hợp các thông tin bày tỏ.