Phase Based Spectro-Temporal Features for Building a Robust ASR System

Estratégias de Combinação de Espectrogramas de Magnitude e de Fase Aplicadas em Sistemas Robustos de Detecção de Palavras-Chave

“…No contexto geral de sistemas de ASR, atributos de tempofrequência (espectrogramas) provenientes dos espectros de magnitude |X n (e jω )|, obtidos da STFT 1 do sinal de fala x(n), têm apresentado resultados satisfatórios em aplicações de ASR operando em ambientes acústicos com alta SNR [6], [10]. Nesses ambientes, os espectrogramas de magnitude são capazes de capturar as características harmônicas e de transição entre diferentes unidades fonéticas (fonemas) [10].…”

“…No contexto geral de sistemas de ASR, atributos de tempofrequência (espectrogramas) provenientes dos espectros de magnitude |X n (e jω )|, obtidos da STFT 1 do sinal de fala x(n), têm apresentado resultados satisfatórios em aplicações de ASR operando em ambientes acústicos com alta SNR [6], [10]. Nesses ambientes, os espectrogramas de magnitude são capazes de capturar as características harmônicas e de transição entre diferentes unidades fonéticas (fonemas) [10]. A fim de preservar essas características acústicas, em esse problema, [5], [10] e [11] usam uma versão modificada da função atraso de grupoτ n (e jω ) (modified group delay -MOGD) para representar o espectro de fase da STFT, a qual pode ser definida como uma aproximação da derivada do espectro de fase 2 θ n [X n (e jω )] e expressa por τ n (e jω ) = Y I (e jω )X I (e jω ) + Y R (e jω )X R (e jω ) |X n (e jω )| 2γ .…”

“…Nesses ambientes, os espectrogramas de magnitude são capazes de capturar as características harmônicas e de transição entre diferentes unidades fonéticas (fonemas) [10]. A fim de preservar essas características acústicas, em esse problema, [5], [10] e [11] usam uma versão modificada da função atraso de grupoτ n (e jω ) (modified group delay -MOGD) para representar o espectro de fase da STFT, a qual pode ser definida como uma aproximação da derivada do espectro de fase 2 θ n [X n (e jω )] e expressa por τ n (e jω ) = Y I (e jω )X I (e jω ) + Y R (e jω )X R (e jω ) |X n (e jω )| 2γ .…”

“…Em [5], [10], [11] e [12], sistemas de ASR e KWS têm tirado proveito da informação do sinal de fase obtido através da STFT. Em [10] e [11], os sinais de magnitude e fase são considerados de forma independente.…”

“…Em [5], [10], [11] e [12], sistemas de ASR e KWS têm tirado proveito da informação do sinal de fase obtido através da STFT. Em [10] e [11], os sinais de magnitude e fase são considerados de forma independente. Enquanto, em [12], os sinais (magnitude e fase) são considerados conjuntamente; entretanto, em nosso conhecimento, tal abordagem não está sendo ainda aplicada aos sistemas de ASR atuais.…”