РУАЭСТ (RUAEST)
МЕТОД ПОЛУЧЕНИЯ ВЕКТОРОВ АКУСТИЧЕСКИХ ПРИЗНАКОВ ДЛЯ РАСПОЗНАВАНИЯ ПОСЛЕДОВАТЕЛЬНОСТИ ФРАЗЫ В УСЛОВИЯХ ШУМОВЫХ ПОМЕХ
Актуальность и цели. Повышение точности распознавания речи в условиях наличия шумовых помех представляет собой важную задачу, поскольку существуют области применения систем распознавания речи, где, несмотря на растущую актуальность, существует проблема достижения высокой точности распознавания при наличии различных шумовых воздействий. Объектом исследования являются бортовые системы автоматического распознавания речи. Предметом исследования являются повышение вероятности распознавания речи в условиях шумовых помех. Цель исследования – разработка методов и алгоритмов повышения точности распознавания в условиях наличия шумовых помех Материалы и методы. Исследование методов распознавания речи в условиях шумовых помех выполнено с использованием нейронных сетей и скрытых марковских моделей. Результаты. Разработан метод получения вектора акустических признаков на основе применения мел-частотных кепстральных коэффициентов. Основу разработанного метода составила новая формула обучения линейных однослойных нейронных сетей (ЛОНС), полученная с помощью применения двух целевых функций. Первая целевая функция – это вероятностная функция нормального гауссовского многомерного распределения, вторая целевая функция – это функция вычисления кепстральных коэффициентов на основе применения линейных однослойных нейронных сетей для вычисления средней спектральной мощности. Выводы. Предложен метод получения вектора акустических признаков на основе применения мел-частотных кепстральных коэффициентов. Алгоритм обучения ЛОНС, основу которого составляет формула обучения, полученная на основе применения двух целевых функций, позволил повысить вероятность распознавания речи в условиях шумовых помех.