Bitte wählen Sie ihr Lieferland und ihre Kundengruppe
Diese Arbeit beschäftigt sich mit Verfahren zur sprecherunabhängigen Erkennung von isoliert gesprochenen Worten. Nach dem Aufbau eines modular konzipierten Versuchsmodells des Erkennungssystems, das aus einer Vorverarbeitungsstufe und einer Klassifikationsstufe besteht, wird dieses schrittweise untersucht. Die Vorverarneitungsstufe besteht aus der Merkmalextraktion, Trace-Segmentierung und Vektorquantisierung. Auf der Grundlage der durchgeführten Experimente wird eine Struktur der Vorverarbeitungsstufe vorgeschlagen in der zwei Vektorquantisierer für MFC (Mel-Frequency Cepstral Coefficient) und DMFCC (Dynamic MFCC) parallel implementiert sind. Im zweiten Teil der Arbeit wird die Einsatzmöglichkeit von MLP (Multi-Layer Perceptrons)-Netzen für die Klassifikation analysiert und gezeigt, daß eine bessere Generalisierung für fremde Sprecher erreicht wird, wenn das MLP-Netz mit vektorquantisierten Daten trainiert wird.