Σύγκριση των μοντέλων LPC και Filter Bank αναγνώρισης ομιλίας από ανεξάρτητο ομιλητή

Abstract

Η προφορική γλώσσα αποτελείται από δεκάδες διαφορετικών αλλά και ταυτόσημων συχνοτήτων, που το φωνητικό σύστημα τις μετατρέπει σε ένα είδος σήματος που έχει ως ιδιαίτερο γνώρισμα τη χροιά της φωνής μας. Οι μόνες συνιστώσες που μεταβάλλονται στη φωνή ενός ανθρώπου σε σχέση με κάποιον άλλο, που όμως μιλούν την ίδια γλώσσα, είναι: η ένταση (το πόσο δυνατά δηλαδή), η ταχύτητα (το πόσο γρήγορα μιλάμε), το γλωσσικό ιδίωμα της κάθε περιοχής (την προφορά, δηλαδή) και το ποσοστό ψευδίσματος ή η εσφαλμένη προφορά. Στην παρούσα εργασία ασχοληθήκαμε με το πόσο πετυχαίνει η αναγνώριση φωνής με την μέθοδο filter bank στην περίπτωση που μιλάει κάθε φορά διαφορετικό άτομο. Το αποτέλεσμα που προέκυψε είναι ότι η μέθοδος αυτή αναγνώρισε όλες τις λέξεις σε ένα εύρος σαράντα διαφορετικών ομιλητών. Ακόμη αποδείχθηκε ότι καλύτερη αναγνώριση από τη μέθοδο έχουν οι λέξεις των ονομάτων και η αντρική φωνή.