Algorithm for an Automatic Recognition of the Speech Commands, Invariant to Languages
https://doi.org/10.17587/mau.16.599-604
Abstract
Рассматривается проблема применимости разработанных помехоустойчивых алгоритмов автоматического распознавания речевых команд к другим языкам в целях совершенствования интерфейса бортового оборудования современных самолетов и других технических систем. Описываются алгоритм параметризации речевого сигнала, метод формирования эталона, алгоритм сравнения и подавления акустических помех, основанный на линейной регрессии и применении дополнительного микрофона. Представлены результаты нескольких серий экспериментов для русского, казахского и таджикского языков, показывающие, что описанные алгоритмы остаются работоспособными и не нуждаются в изменениях при распознавании слов на другом языке.
Keywords
автоматическое распознавание речи,
помехоустойчивые алгоритмы распознавание речи,
речевое управление бортовым оборудованием самолета,
инвариантность алгоритма к другим языкам,
automatic speech recognition,
noise-resistant algorithms of speech recognition,
voice control of the aircraft equipment, algorithm invariant to languages
About the Authors
O. N. Korsun
State Research Institute of Aviation Systems, State Scientific Center of the Russian Federation
Russian Federation
Russian Federation
A. Sh. Gabdrakhmanov
Moscow Institute of Physics and Technology (State University)
Russian Federation
Russian Federation
E. I. Mihajlov
Moscow Institute of Physics and Technology (State University)
Russian Federation
Russian Federation
M. Z. Nahaev
Moscow Institute of Physics and Technology (State University)
Russian Federation
Russian Federation
A. K. Tulekbaeva
South Kazakhstan State University named after M. O. Auezov
Russian Federation
Russian Federation
References
1. ГОСТ 20296-81. Самолеты и вертолеты гражданской авиации. Допустимые уровни шума в салонах и кабинах экипажа и методы измерения шума. М.: Госкомитет по стандартам, 1981. 9 с.
2. Рабинер Л. P. Скрытые марковские модели и их применение в избранных приложениях при распознавании речи: Пер. с англ. // Тр. института инженеров по электротехнике и радиоэлектронике (ТИИЭР). 1989. Т. 77, № 2. С. 86-120.
3. Swietlicka I., Kuniszyk-J'o'zkowiak W., Smolka E. Artificial neural networks in the disabled speech analysis // Proc. of Computer Recognition System 3. 2009. Vol. 57. P. 347-354.
4. Корсун О. Н., Габдрахманов А. Ш. Помехозащищенный алгоритм речевого управления бортовым оборудованием самолета // Вестник компьютерных и информационных технологий. 2014. № 4. С. 3-7.
5. Peinado A. M., Segura J. C. Speech Recognition over Digital Channels: Robustness and Standards. NJ: John Wiley & Sons, 2006. 274 р.
6. Rabiner L., Juang B. H. Fundamentals of Speech Recognition. Prentice-Hall International, Inc., Englewood Cliffs, New Jersey, 1993. 507 р.
7. Wisniewski M., Kuniszyk-J'o'zkowiak W., Smolka E., Suszynski W. Automatic detection of disorders in a continuousspeech with the hidden Markov models approach // Proc. of Computer Recognition Systems 2. 2008. Vol. 45. P. 445-453.
8. O. Chia Ai, Hariharan M., Yaacob S., Sin Chee L. Classification of speech dysfluencies with MFCC and LPCCfeatures // Expert Systems with Applications. Vol. 39. P. 2157-2165.
Review
For citations:
Korsun O.N., Gabdrakhmanov A.Sh., Mihajlov E.I., Nahaev M.Z., Tulekbaeva A.K. Algorithm for an Automatic Recognition of the Speech Commands, Invariant to Languages. Mekhatronika, Avtomatizatsiya, Upravlenie. 2015;16(9):599-604. (In Russ.) https://doi.org/10.17587/mau.16.599-604
Views:
502
.png)
Email this article 