Bildung von Lauthypothesen mit Polynomklassifikatoren und Markov-Modellen in Einem System zur Erkennung Kontinuierlicher Sprache

Zusammenfassung

Unser Beitrag beschreibt den Modul ‘Hypothesenbildung von Lautklassen’ in einem System zur Erkennung natürlicher, kontinuierlicher Sprache. Dieser Modul segmentiert das Sprachsignal in lautähnliche Bereiche und ordnet jedem Bereich eine von 6 Lautklassen zu, die alle in der Sprache vorkommenden Laute enthalten. Der Modul liefert Schätzungen für die Grenzen und die Zugehörigkeit eines Segments zu einer der Lautklassen. Diese Hypothesen werden in weiteren Modulen des Erkennungssystems ausgewertet, z.B. bei der Generierung von Phonem/Diphon-Hypothesen und im Modul zur Generierung von Worthypothesen.

Das Verfahren arbeitet zweistufig und besteht aus einem Polynomklassifikator für eine frame-by-frame Klassifikation und einem Segmentierer mit Hidden Mar- kov Modellen (HMM), der die Schät vektoren des Klassifikators weiterverarbeitet und an seinem Ausgang die Lautklassenhypothesen abgibt. Die Ergebnisse zeigen, daß diese Kombination aus Polynomklassifikator und HMM-Segmentierer effizient in unserem Spracherkennungssystem einsetzbar ist.