Ausnutzung zeitlicher Redundanzen der cepstralen Sprachmerkmale

In der automatischen Spracherkennung hat sich ein statistischer Modellierungsansatz auf der Basis von Markovmodellen (HMMs) etabliert. Das Ziel der vorliegenden Arbeit ist die Berücksichtigung statistischer Abhängigkeiten zwischen den Sprachmerkmalen verschiedener Sprachrahmen innerhalb dieses statistischen Spracherkennungsansatzes. Bei der Merkmalsentstörung können Inter-Frame Korrelationen ausgenutzt werden, indem die Dynamik der cepstralen Sprachmerkmale mit schaltenden, linearen Dynamikmodellen (SLDMs) beschrieben wird. Zur Modellierung des Rauschens wird ein neues Zustandsmodell eingeführt, für das Expectation-Maximization-(EM-) Algorithmen zur Parameterschätzung hergeleitet werden. Im Back-End des Spracherkenners werden die statistischen Abhängigkeiten zwischen den Sprachmerkmalen auf der Ebene der Mischungskomponenten des HMMs approximiert. Ein weiterer Schwerpunkt der Untersuchungen ist der Austausch von Informationen zwischen der Stufe der Merkmalsentstörung und der Erkennung. In einem mehrstufigen Erkennungsansatz werden Informationen aus dem Erkenner bei der Merkmalsentstörung der jeweils nächsten Erkennungsstufe ausgenutzt.