TY  - THES
AB  - In dieser Arbeit werden verschiedene akustische Ähnlichkeitsmaße für Silben motiviert und anschließend evaluiert. Der Mahalanobisabstand als lokales Abstandsmaß für einen Dynamic-Time-Warping-Ansatz zum Messen von akustischen Abständen hat die Fähigkeit, Silben zu unterscheiden. Als solcher erlaubt er die Klassifizierung von Silben mit einer Genauigkeit, die für die Klassifizierung von kleinen akustischen Einheiten üblich ist (60 Prozent für eine Nächster-Nachbar-Klassifizierung auf einem Satz von zehn Silben für Samples eines einzelnen Sprechers). Dieses Maß kann durch verschiedene Techniken verbessert werden, die jedoch seine Ausführungsgeschwindigkeit verschlechtern (Benutzen von mehr Mischverteilungskomponenten für die Schätzung von Kovarianzen auf einer Gaußschen Mischverteilung, Benutzen von voll besetzten Kovarianzmatrizen anstelle von diagonalen Kovarianzmatrizen). Durch experimentelle Evaluierung wird deutlich, dass ein gut funktionierender Algorithmus zur Silbensegmentierung, welcher eine akkurate Schätzung von Silbengrenzen erlaubt, für die korrekte Berechnung von akustischen Abständen durch die in dieser Arbeit entwickelten Ähnlichkeitsmaße unabdingbar ist. Weitere Ansätze für Ähnlichkeitsmaße, die durch ihre Anwendung in der Timbre-Klassifizierung von Musikstücken motiviert sind, zeigen keine adäquate Fähigkeit zur Silbenunterscheidung.
DA  - 2011
KW  - Automatische Spracherkennung
KW  - Automatic Speech Recognition
KW  - MFCC Statistics
KW  - Silben
KW  - Dynamic Time Warping
KW  - Temporal Statistics
KW  - Syllables
KW  - MFCCs
KW  - Acoustic Similarity
KW  - Ähnlichkeitsmaß
KW  - Template-Based Speech Recognition
KW  - Acoustic Distance
KW  - Akustische Ähnlichkeit
LA  - eng
PY  - 2011
TI  - Implementation and Evaluation of Acoustic Distance Measures for Syllables
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:361-18460
Y2  - 2024-11-22T06:43:50
ER  -