The second part of the chapter pres

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:

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:

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.