Критерий минимума информационного расхождения сигналов с настройкой на голос диктора в задаче автоматического распознавания речи

Автор(и)

  • Владимир Васильевич Савченко Нижегородский государственный лингвистический университет им. Н.А. Добролюбова, Russian Federation https://orcid.org/0000-0003-3045-3337

DOI:

https://doi.org/10.20535/S0021347020010045

Ключові слова:

случайный сигнал, цифровая обработка сигналов, речевой сигнал, автоматическая обработка речи, речевые технологии, помехоустойчивость

Анотація

Рассмотрена задача автоматического распознавания речи на базовом, фонетическом уровне обработки речевого сигнала. Исследована проблема повышения помехоустойчивости. Для ее решения предложен критерий минимума информационного расхождения сигналов с настройкой на голос диктора и с автоматическим масштабированием речевых эталонов под тонкую структуру наблюдаемого (текущего) речевого фрейма. Рассмотрен пример его практической реализации, исследованы характеристики эффективности. С использованием авторского программного обеспечения поставлен и проведен эксперимент,  получены количественные оценки выигрыша в пороговых сигналах. Показано, что при определенных условиях он может достигать 10 дБ и более. Полученные результаты и сделанные по ним выводы предназначены для использования при разработке новых и модернизации существующих систем и технологий автоматической обработки и распознавания речи, рассчитанных на работу в условиях действия интенсивных внешних помех.

Біографія автора

Владимир Васильевич Савченко, Нижегородский государственный лингвистический университет им. Н.А. Добролюбова

кафедра математики и информатики, профессор

Посилання

Rabiner, L. R.; Shafer, R. W. Theory and Applications of Digital Speech Processing. Boston: Pearson, 2010. URI: https://www.pearson.com/us/higher-education/program/Rabiner-Theory-and-Applications-of-Digital-Speech-Processing/PGM130812.html.

Тампель, И. Б. “Автоматическое распознавание речи — основные этапы за 50 лет,” Научно-технический вестник информационных технологий, механики и оптики, Т. 15, № 6, С. 957-968, 2015. DOI: http://doi.org/10.17586/2226-1494-2015-15-6-957-968.

Schuster, M. “Speech recognition for mobile devices at Google,” in: Zhang, B. T.; Orgun, M. A. (eds.) PRICAI 2010: Trends in Artificial Intelligence. PRICAI 2010. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer, Vol. 6230. p. 8-10, 2010. DOI: http://doi.org/10.1007/978-3-642-15246-7_3.

Savchenko, V. V.; Savchenko, A. V. “Information-theoretic analysis of efficiency of the phonetic encoding-decoding method in automatic speech recognition,” J. Commun. Technol. Electronics, Vol. 61, No. 4, p. 430-435, 2016. DOI: https://doi.org/10.1134/S1064226916040112.

Wu, Z. Information Hiding in Speech Signals for Secure Communication. Elsevier Science, 2015. DOI: http://doi.org/10.1016/C2013-0-19179-9.

Rammohan, R.; Dhanabalsamy, N.; Dimov, V.; Frank, J. “Eidelman smartphone conversational agents (Apple Siri, Google, Windows Cortana) and questions about allergy and asthma emergencies,” J. Allergy Clinical Immunology, Vol. 139, No. 2, p. ab250, 2017. DOI: http://doi.org/10.1016/j.jaci.2016.12.804.

Akçay, M. B.; Oğuzb, K. “Speech emotion recognition: Emotional models, databases, features, preprocessing methods, supporting modalities and classifiers,” Speech Communication, Vol. 116, No.1, p. 56-76, 2020. DOI: http://doi.org/10.1016/j.specom.2019.12.001.

Savchenko, V. V. “A method of measuring the index of acoustic voice quality based on an information-theoretic approach,” Meas. Tech., Vol. 61, No. 1, p. 79-84, 2018. DOI: http://doi.org/10.1007/s11018-018-1391-8.

Savchenko, V. V. “Itakura-Saito divergence as an element of the information theory of speech perception,” J. Commun. Technol. Electron., Vol. 64, No. 6, p. 590-596, 2019. DOI: http://doi.org/10.1134/S1064226919060093.

Савченко, В. В. “Критерий минимума среднего информационного отклонения для различения случайных сигналов с близкими характеристиками,” Известия вузов. Радиоэлектроника, Т. 61, № 9, С. 536-547, 2018. DOI: http://doi.org/10.20535/S0021347018090042.

Qaisar, S. M.; Hammad, N.; Khan, R.; Asfour, R. “A speech to machine interface based on perceptual linear prediction and classification,” Proc. of Int. Conf. on Advances in Science and Engineering Technology, 26 Mar.-10 Apr. 2019, Dubai, UAE. IEEE, 2019. DOI: https://doi.org/10.1109/ICASET.2019.8714304.

Зварич, В. Н.; Марченко, Б. Г. “Линейные процессы авторегрессии с периодическими структурами как модели информационных сигналов,” Известия вузов. Радиоэлектроника, Т. 54, № 7, С. 25-30, 2011. DOI: http://doi.org/10.20535/S0021347011070041.

Castanié, F. Digital Spectral Analysis: Parametric, Non-Parametric and Advanced Methods. Wiley-ISTE, 2011. DOI: http://doi.org/10.1002/9781118601877.

Савченко, В.В.; Савченко А.В. “Критерий регулируемого уровня значимости для выбора порядка спектральной оценки максимума энтропии,” Известия вузов. Радиоэлектроника, Т. 62, № 5, С. 276-286, 2019. DOI: https://doi.org/10.20535/S0021347019050042.

Gray, R. M.; Buzo, A.; Gray, A. H.; Matsuyama, Y. “Distortion measures for speech processing,” IEEE Trans. Acoust., Speech Signal Processing, Vol. 28, No. 4, p. 367-376, 1980. DOI: https://doi.org/10.1109/TASSP.1980.1163421.

Eva, O. D.; Lazar, A. M. “Feature extraction and classification methods for a motor task brain computer interface: a comparative evaluation for two databases,” Int. J. Advanced Computer Sci. Appl., Vol. 8, No. 8, р. 263-269, 2017. DOI: http://doi.org/10.14569/IJACSA.2017.080834.

Rachel, S. S.; Snekhalatha, U.; Vedhasorubini, K.; Balakrishnan, D. “Spectral analysis of speech signal characteristics: a comparison between healthy controls and laryngeal disorder,” Proc. of Int. Conf. on Intelligent Computing and Applications. Singapore: Springer, Vol. 632, p. 333-334, 2018. DOI: http://doi.org/10.1007/978-981-10-5520-1_31.

Savchenko, V. V. “Words phonetic decoding method with the suppression of background noise,” J. Commun. Technol. Electron., Vol. 62, No. 7, p. 788-793, 2017. DOI: http://doi.org/10.1134/S1064226917070099.

Hossain, E.; Zilany, M.S.A.; Davies-Venn, E. “On the feasibility of using a bispectral measure as a nonintrusive predictor of speech intelligibility,” Computer Speech Lang., Vol. 57, p. 59-80, 2019. DOI: http://doi.org/10.1016/j.csl.2019.02.003.

Ding, H.; Lee, T.; Soon, I. Y.; Yeo, C. K.; Dai, P.; Dan, G. “Objective measures for quality assessment of noise-suppressed speech,” Speech Commun., Vol. 71, p. 62-73, 2015. DOI: https://doi.org/10.1016/j.specom.2015.02.001.

Боровков, А. А. Математическая статистика. СПб.: Лань, 2010. 704 с.

Кульбак, С. Теория информации и статистика: Пер. с англ. М.: Наука, 1967. 408 с.

Estrada, E.; Nazeran, H.; Ebrahimi, F.; Mikaeili, M. “Symmetric Itakura distance as an EEG signal feature for sleep depth determination,” Proc. of ASME Bioengineering Conf., 17-21 Jun. 2009, Lake Tahoe, USA. 2009, p. 723-724. DOI: https://doi.org/10.1115/SBC2009-206233.

Gharbali, A. A.; Najdi, S.; Fonseca, J. M. “Investigating the contribution of distance-based features to automatic sleep stage classification,” Comput. Biology Medicine, Vol. 96, p. 8-23, 2017. DOI: https://doi.org/10.1016/j.compbiomed.2018.03.001.

Левин, Б. Р. Теоретические основы статистической радиотехники, изд. 3-е, перераб. и доп. М.: Радио и связь, 1989. 656 с.

##submission.downloads##

Опубліковано

2020-01-24

Як цитувати

Савченко, В. В. (2020). Критерий минимума информационного расхождения сигналов с настройкой на голос диктора в задаче автоматического распознавания речи. Вісті вищих учбових закладів. Радіоелектроніка, 63(1), 55–68. https://doi.org/10.20535/S0021347020010045

Номер

Том 63 № 1 (2020)

Розділ

Оригінальні статті

Ліцензія

Авторське право (c) 2020 Известия высших учебных заведений. Радиоэлектроника

Издатель журнала Известия высших учебных заведений. Радиоэлектроника (сокр. "Известия вузов. Радиоэлектроника"), Национальный технический университет Украины "Киевский политехнический институт", учитывает, что доступ автора к его статье является важным как для самого автора, так и для спонсоров его исследований. Мы представлены в базе издателей SHERPA/RoMEO как зеленый издатель (green publisher), что позволяет автору выполнять самоархивирование своей статьи. Однако важно, чтобы каждая из сторон четко понимала свои права. Просьба более детально ознакомиться с Политикой самоархивирования нашего журнала.

Политика оплаченного открытого доступа POA (paid open access), принятая в журнале, позволяет автору выполнить все необходимые требования по открытому доступу к своей статье, которые выдвигаются институтом, правительством или фондом при выделении финансирования. Просьба более детально ознакомиться с политикой оплаченного открытого доступа нашего журнала (см. отдельно).

Варианты доступа к статье:

1. Статья в открытом доступе POA (paid open access)

В этом случае права автора определяются лицензией CC BY (Creative Commons Attribution).

2. Статья с последующим доступом по подписке

В этом случае права автора определяются авторским договором, приведенным далее.

  • Автор (каждый соавтор) уступает Издателю журнала «Известия высших учебных заведений. Радиоэлектроника» НТУУ «КПИ» на срок действия авторского права эксклюзивные права на материалы статьи, в том числе право на публикацию данной статьи издательством Аллертон Пресс, США (Allerton Press) на английском языке в журнале «Radioelectronics and Communications Systems». Передача авторского права охватывает исключительное право на воспроизведение и распространение статьи, включая оттиски, переводы, фото воспроизведения, микроформы, электронные формы (он- и оффлайн), или любые иные подобные формы воспроизведения, а также право издателя на сублицензирование третьим лицам по своему усмотрению без дополнительных консультаций с автором. При этом журнал придерживается Политики конфиденциальности.
  • Передача прав включает право на обработку формы представления материалов с помощью компьютерных программам и систем (баз данных) для их использования и воспроизводства, публикации и распространения в электронном формате и внедрения в системы поиска (базы данных).
  • Воспроизведение, размещение, передача или иное распространение или использование материалов, содержащихся в статье должно сопровождаться ссылкой на Журнал и упоминанием Издателя, а именно: название статьи, имя автора (соавторов), название журнала, номер тома, номер выпуска, копирайт авторов и издателя "© Национальный технический университет Украины "Киевский политехнический институт"; © автор(ы)".
  • Автор (каждый соавтор) материалов сохраняет все права собственника материалов, включая патентные права на любые процессы, способы или методы и др., а также права на товарные знаки.
  • Издатель разрешает автору (каждому соавтору) материалов следующее:
  1. Право пользоваться печатными или электронными вариантами материалов статьи в форме и содержании, принятыми Издателем для публикации в Журнале. Подробнее см. политики Оплаченного открытого доступа, подписки и самоархивирования.
  2. Право бесплатно копировать или передавать коллегам копию напечатанной статьи целиком или частично для их личного или профессионального использования, для продвижения академических или научных исследований или для учебного процесса или других информационных целей, не связанных с коммерческими целями.
  3. Право использовать материалы из опубликованной статьи в написанной автором (соавторами) книге, монографии, учебнике, учебном пособии и других научных и научно-популярных изданиях.
  4. Право использовать отдельные рисунки или таблицы и отрывки текста из материалов в собственных целях обучения или для включения их в другую работу, которая печатается (в печатном или электронном формате) третьей стороной, или для представления в электронном формате во внутренние компьютерные сети или на внешние сайты автора (соавторов).
  • Автор (соавторы) соглашаются, что каждая копия материалов или любая ее часть, распространенная или размещенная ими в печатном или электронном формате, будет содержать указание на авторское право, предусмотренное в Журнале и полную ссылку на Журнал Издателя.
  • Автор (соавторы) гарантирует, что материалы являются оригинальной работой и представлены впервые на рассмотрение только в этом Журнале и ранее не публиковались. Если материалы написаны совместно с соавторами, автор гарантирует, что проинформировал их относительно условий публикации материалов и получил их подписи или письменное разрешение подписываться от их имени.
  • Если в материалы включаются отрывки из работ или имеются указания на работы, которые охраняются авторским правом и принадлежат третьей стороне, то автору необходимо получить разрешение владельца авторских прав на использование таких материалов в первом случае и сделать ссылку на первоисточник во втором.
  • Автор гарантирует, что материалы не содержат клеветнических высказываний и не посягают на права (включая без ограничений авторское право, права на патент или торговую марку) других лиц и не содержат материалы или инструкции, которые могут причинить вред или ущерб третьим лицам. Автор (каждый соавтор) гарантирует, что их публикация не приведет к разглашению секретных или конфиденциальных сведений (включая государственную тайну). Подтверждением этого является Экспертное заключение (см. перечень документов в Правила для авторов).
  • Издатель обязуется опубликовать материалы в случае получения статьей положительного решения редколлегии о публикации на основании внешнего рецензирования (см. Политика рецензирования).
  • В случае публикации статьи на английском языке в журнале «Radioelectronics and Communications Systems» (Издатель: Аллертон Пресс, США, распространитель Springer) автору (соавторам) выплачивается гонорар после выхода последнего номера журнала года, в котором опубликована данная статья.
  • Документ Согласие на публикацию, который подают русскоязычные авторы при подаче статьи в редакцию, является краткой формой данного договора, в котором изложены все ключевые моменты настоящего договора и наличие которого подтверждает согласие автора (соавторов) с ним. Аналогичным документом для англоязычных авторов является Copyright Transfer Agreement (CTA), предоставляемый издательством Allerton Press.
  • Настоящий Договор вступает в силу в момент принятия статьи к публикации. Если материалы не принимаются к публикации или до публикации в журнале автор (авторы) отозвал работу, настоящий Договор не приобретает (теряет) силу.