Robuste Mehrsprecher-Spracherkennung mit ICA

[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Überblick

 Spracherkennung in gestörten Umgebungen leidet besonders unter Überlagerung des erwünschten Sprachsignals mit anderen Sprechersignalen  Mikrofone zeichnen nur gefaltete Mischungen von Sprechersignalen auf  Ziel: Rekonstruktion einzelner Sprechersignale Mischungen Independent Component Analysis

Sprechertrennung mit ICA  Independent Component Analysis (ICA) schätzt optimale Entmischungsmatrix im Sinn der maximalen statistischen Unabhängigkeit der Signale Rekonstruktionen mit linearen ICA-Methoden A(  ) -1 A(  ) gefaltete Mischung S 1 (  ) S 2 (  ) X 1 (  ) X 2 (  ) Y 1 (  ) Y 2 (  ) Max. Unab- hängigkeit für alle 

 Erlaubt im Idealfall fast perfekte Trennung aus nur einem Mikrophonsignal Sprachsignale Mischung Maskierungs- funktion Zeit-Frequenzmaskierung

ICA + Zeit-Frequenzmaskierung ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Zeit-Frequenzmaskierung

[object Object],[object Object],[object Object],[object Object],S(  ) Quellen- Trennung HMM- Spracherkennung Punkt- schätzung x 1 (t) x 2 (t) Quellen- Trennung HMM- Spracherkennung Unsicherheits- information x 1 (t) x 2 (t) S(  ),  S(  )) Missing-Data Techniken

Anwendung zur Fehlerdetektion ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

Robuste Mehrsprecher-Spracherkennung mit ICA

Recomendados

Recomendados

Mais conteúdo relacionado

Destaque

Destaque (20)

Robuste Mehrsprecher-Spracherkennung mit ICA