universita’ degli studi di genova

UNIVERSITA’ DEGLI STUDI DI GENOVA

Corso di Laurea in Ingegneria Elettronica

STUDIO E REALIZZAZIONE DI TECNICHE PER IL RICONOSCIMENTO VOCALE

Relatore : Prof. Francesco CuratelliStudente : Lorenzo Banderali

MOTIVAZIONI

• I sistemi di riconoscimento vocale sono sempre più diffusi ed importanti. Possono essere impiegati in:

- Telefonia mobile

- Stazioni telefoniche

- Refertazione automatica

- Interazione facilitata uomo-macchina

Università degli Studi di Genova – Facoltà di Ingegneria Università degli Studi di Genova – Facoltà di Ingegneria

ACQUISIZIONE • E’ necessario acquisire il segnale vocale e

trasformarlo in un segnale tempo discreto tramite un appropriato campionamento


MODELLO PLP • Il modello PLP simula la percezione

dell’udito umano e stima con accuratezza i parametri del parlato in modo veloce

MEMORIA ASSOCIATIVA

• Associa i parametri del parlato ottenuti con il modello PLP ad un set predefinito di caratteristiche

• Adatta per una rappresentazione vettoriale dei dati

• Rende possibile il riconoscimento della forma d’onda


SISTEMA DI RICONOSCIMENTO

• Fase di Apprendimento (training)– Analisi del segnale vocale per ogni frame– Costruzione database con i vettori PLP

• Fase di riconoscimento– Analisi del segnale vocale (PLP)– Calcolo score rispetto al database di training– Stima parola con algoritmo DTW


OBIETTIVI

• Rendere il sistema di riconoscimento più rapido e meno costoso

• Mettere a punto un sistema software che permetta di minimizzare i tempi di calcolo senza provocare un significativo peggioramento del risultato finale


OTTIMIZZAZIONE

• Riduzione del file di training

- Algoritmo di Lloyd

- Algoritmo K-Means

- Disattivazione


Lloyd & K-Means

• Si muovono ripetitivamente tutti i valori di riferimento alla media del loro Voronoi set (L) o considerando il punto vincitore (K)

• Il riferimento si posiziona come un centroide per un insieme di punti

DISATTIVAZIONE

• Elimina i punti “sparsi” attratti più da altre classi che da quella di appartenenza

• Può essere effettuata prima o dopo la riduzione tramite Lloyd & K-Means

• Riduce ulteriormente il file di training

DIAGRAMMA DI VORONOI

• Permette di dividere il piano assegnando a ciascun punto il seme più vicino

PROVE EFFETTUATE

• Utilizzo di un database di registrazioni composto da parole pronunciate da differenti parlatori in più sessioni

• Addestramento con files di training completi e ridotti

• Riconoscimento di parole dello stesso o di altri parlatori nelle varie sessioni


RISULTATI

Riduzione Lloyd e nessuna disattivazione ulteriore (XV)

Ancos01 Ancos01.10 Ancos01.100

Parlatore Parola R % R % R %

Ancos01 0#1 S 100 S 83.5 S 68.5

Ancos01 2#3 S 100 S 78.8 S 59

Ancos02 0#1 S 60 S 60 S 38.6

Ancos02 2#3 S 70.4 S 70.4 S 70.4

Lucas01 5#3 S 52 S 50 S 54.6

Lucas01 9#4 S 47 S 47 S 39.4

Cabos03 6#1 N 33.7 N 36.6 S 31.1

Cabos03 0#3 N 26.4 S 22.9 S 18.4


RISULTATI

Riduzione Lloyd e disattivazione ulteriore (XV V*)



Ancos01 0#1 S 100 S 57.5 S 30.1

Ancos01 2#3 S 100 S 65 S 28

Ancos02 0#1 S 60 S 54.6 S 28

Ancos02 2#3 S 70.4 S 58.7 S 62.1

Lucas01 5#3 S 52 S 50.2 S 42.5

Lucas01 9#4 S 47 S 39.3 S 29

Cabos03 6#1 N 33.7 N 24.5 S 20.9

Cabos03 0#3 N 26.4 N 16.6 N 14.2


RISULTATI

Riduzione Lloyd e disattivazione ulteriore (XX* V)



Ancos01 0#1 S 100 S 73.9 S 68.4

Ancos01 2#3 S 100 S 72.3 S 52.8

Ancos02 0#1 S 60 S 57.3 S 61.3

Ancos02 2#3 S 70.4 S 66.1 S 62.5

Lucas01 5#3 S 52 S 45.9 S 49.1

Lucas01 9#4 S 47 S 45 S 35.9

Cabos03 6#1 N 33.7 N 32.7 S 28.5

Cabos03 0#3 N 26.4 S 18.3 S 16.5


CONCLUSIONI

• Significativa riduzione dei file di training

• Diminuzione dei tempi di esecuzione del programma di riconoscimento “Spear”

• Pochi errori nel riconoscimento delle parole


universita’ degli studi di genova

Documents