Language Identification Using Excitation Source Features

این کتاب نقش اطلاعات منبع تحریک را در زبان متمایز مورد بحث قرار می دهد. نویسندگان بر مؤلفه منبع تحریک گفتار برای بهبود عملکرد شناسایی زبان (LID) تمرکز می‌کنند. ویژگی‌های خاص زبان با استفاده از دو حالت مختلف استخراج می‌شوند: (1) پردازش ضمنی پیش‌بینی خطی (LP) باقی‌مانده و (ب) پارامترسازی صریح باقی‌مانده پیش‌بینی خطی. این کتاب به این موضوع می‌پردازد که چگونه در رویکرد پردازش ضمنی، ویژگی‌های منبع تحریک از LP باقی‌مانده، پاکت هیلبرت (میزان) باقی‌مانده LP و فاز باقی‌مانده LP مشتق شده‌اند. و در رویکرد پارامترسازی صریح، سیگنال باقیمانده LP در حوزه طیفی پردازش می‌شود تا ویژگی‌های خاص زبان مربوطه را استخراج کند. نویسندگان بیشتر ویژگی‌های منبع را از این حالت‌ها استخراج می‌کنند که برای افزایش عملکرد سیستم‌های LID ترکیب شده‌اند. ویژگی‌های منبع تحریک پیشنهادی نیز برای LID در محیط‌های پر سر و صدا پس‌زمینه بررسی می‌شوند. هر فصل از این کتاب انگیزه ای را برای بررسی ویژگی خاص برای کار LID فراهم می کند و متعاقباً روش های استخراج آن ویژگی ها را مورد بحث قرار می دهد و در نهایت مدل های مناسب را برای گرفتن دانش خاص زبان از ویژگی های پیشنهادی پیشنهاد می کند. در نهایت، این کتاب در مورد ترکیب های مختلف ویژگی های طیفی و منبع، و مدل های مورد نظر برای افزایش عملکرد سیستم های LID بحث می کند.

This book discusses the contribution of excitation source information in discriminating language. The authors focus on the excitation source component of speech for enhancement of language identification (LID) performance. Language specific features are extracted using two different modes: (i) Implicit processing of linear prediction (LP) residual and (ii) Explicit parameterization of linear prediction residual. The book discusses how in implicit processing approach, excitation source features are derived from LP residual, Hilbert envelope (magnitude) of LP residual and Phase of LP residual; and in explicit parameterization approach, LP residual signal is processed in spectral domain to extract the relevant language specific features. The authors further extract source features from these modes, which are combined for enhancing the performance of LID systems. The proposed excitation source features are also investigated for LID in background noisy environments. Each chapter of this book provides the motivation for exploring the specific feature for LID task, and subsequently discuss the methods to extract those features and finally suggest appropriate models to capture the language specific knowledge from the proposed features. Finally, the book discuss about various combinations of spectral and source features, and the desired models to enhance the performance of LID systems.