SEARCHING FOR A ROBUST MFCC-BASED PARAMETERIZATION FOR ASR APPLICATION

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F07%3A00000035" target="_blank" >RIV/49777513:23520/07:00000035 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
SEARCHING FOR A ROBUST MFCC-BASED PARAMETERIZATION FOR ASR APPLICATION
Original language description
The paper studies the influence of significant space reduction and decorrelation techniques on the performance of an automatic speech recognition (ASR) system. A baseline PLP-based ASR system, which works with zero-gram language model, was trained usingspeech of one thousand speakers. The Linear Discriminant Analysis (LDA), Heteroscedastic LDA (HLDA) and Smoothed HLDA (SHLDA) techniques were applied and compared in many experiments in which an optimum dimension of a feature space was searched for.
Czech name
Hledání robustního nastavení MFCC parametrizace pro ASR aplikace
Czech description
Článek se zabývá vlivem redukce dimenze prostoru příznaků a vlivem dekorelačních technik na úspěšnost systému automatického rozpoznávání řeči. Baseline systém vychází z PLP parametrizace a z trénovací sady 1000 řečníků. V mnoha experimentech byly aplikovány a vzájemně porovnány technika Lineární Diskriminační analýzy (LDA), Heteroscedastická LDA (HLDA) a Vyhlazené HLDA (SHLDA), za účelem nalezení optimální dimenze příznakového prostoru.

Project
<a href="/en/project/1QS101470516" target="_blank" >1QS101470516: Automatic keyword spotting in audio data streams</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year
2007
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)