Robust Speech Recognition Based on Spectro-Temporal Processing

Titelblatt......Page 1
Preface......Page 3
Contents......Page 5
1.1 The Auditory Approach to Signal Processing......Page 9
1.2 Front Ends for Automatic Speech Recognition......Page 12
1.3 Spectro-temporal Modulation Detection......Page 14
1.4 SNR Estimation......Page 18
1.5 Structure of this Thesis......Page 19
Abstract......Page 21
Zusammenfassung......Page 22
2.1 Introduction......Page 23
2.2 Auditory Model......Page 26
2.3.1 Setup......Page 28
2.3.2 Results......Page 29
2.4.1 Setup......Page 33
2.4.2 Results......Page 34
2.5.1 Setup......Page 38
2.5.2 Results......Page 39
2.6.1 Setup......Page 42
2.6.2 Results......Page 43
2.7 Discussion......Page 45
2.8 Outlook......Page 48
3.1 Introduction and Summary......Page 51
3.2 Recognition System......Page 52
3.2.2 Secondary Feature Extraction......Page 53
3.2.3 Feature Set Optimization......Page 54
3.3.1 Optimal Number and Types of Features......Page 55
3.4 Summary and Outlook......Page 57
Abstract......Page 61
4.2 Description of Sigma-pi Cells......Page 62
4.3 Why Using Sigma-pi Cells......Page 63
4.4.1 Corpus......Page 64
4.4.2 Feature Extraction......Page 65
4.4.3 Secondary Feature Extraction......Page 66
4.4.5 Classification and Feature Selection......Page 67
4.5.2 Parameter Optimization......Page 68
4.5.3 Feature Analysis......Page 69
4.6 Discussion......Page 72
Abstract......Page 73
5.1 Introduction......Page 74
5.2.1 Material......Page 77
Perception Model......Page 78
Modulation Spectrogram......Page 80
Description of Sigma-pi Cells......Page 81
Why Using Sigma-pi Cells ?......Page 83
5.3.1 Feature-finding Neural Network......Page 84
5.3.2 Multi-layer Perceptron......Page 86
5.4.1 Setup......Page 87
5.4.2 Results......Page 89
5.4.3 Primary Feature Dependency......Page 92
5.4.4 Secondary Feature Dependency......Page 93
5.4.5 Segment Length Dependency......Page 96
5.4.6 Computational E ort......Page 97
5.4.7 Importance of Temporal Modulation......Page 98
5.5 Discussion......Page 100
Abstract......Page 103
6.1 Introduction......Page 104
6.2.1 Sigma-pi Cells......Page 107
6.2.2 Fuzzy Logic Units......Page 110
6.2.3 Gabor Receptive Fields......Page 111
6.3.2 Primary Feature Extraction......Page 114
6.3.3 Recognizer......Page 115
6.3.4 Results......Page 117
6.4 Discussion......Page 118
Abstract......Page 121
7.1 Introduction......Page 122
7.2 Gabor Filter Functions......Page 124
7.3 Feature Selection......Page 126
7.4 ASR Experiments......Page 132
7.5 Summary......Page 133
Abstract......Page 137
8.1 Introduction......Page 138
8.2 Spectro-temporal Feature Extraction......Page 139
8.3.1 Setup......Page 141
8.3.2 Feature Selection......Page 143
8.3.3 Results......Page 144
8.4 Conclusion......Page 147
CHAPTER 9 Summary and Conclusions......Page 149
Bibliography......Page 155
APPENDIX A Tables and Figures......Page 163
List of Figures......Page 193
List of Tables......Page 197
Danksagung......Page 201
Acknowledgements......Page 203
About the author......Page 205