Studio ed implementazione di un algoritmo innovativo per la normalizzazione dei momenti cepstrali nel riconoscimento automatico del parlato

La normalizzazione cepstrale viene ampiamente utilizzata come potente approccio allo scopo di produrre caratteristiche più robuste del riconoscimento vocale. Esempi di questo approccio sono la Cepstral Mean Subtraction (CMS) e la Cepstral Mean and Variance Normalization (CMVN), in cui vengono normalizzati rispettivamente il 1° momento e il 1° e il 2° momento dei Mel-Frequency Cepstral Coefficients (MFCCs). In questa tesi viene proposta la famiglia degli approcci con normalizzazione dei momenti cepstrali di ordine superiore, i cui parametri MFCC sono normalizzati rispetto ad alcuni momenti di ordine superiore al 1° o al 2°. L’idea base è che i mo menti di ordine superiore sono dominati dai campioni di valore elevato, i quali, molto probabilmente, sono la causa primaria dell’asimmetria e dell’anormale piattezza e dimensione delle code delle distribuzioni dei parametri. La normalizzazione rispetto a questi momenti pone perciò più enfasi su tali componenti del segnale e forza le distribuzioni ad essere più simmetriche con ragionevole piattezza e dimensione delle code. I principi fondamentali dietro a questo approccio sono analizzati e discussi basandosi sulle proprietà statistiche delle distribuzioni dei parametri MFCC. I risultati sperimentali basati sul task AURORA 2, il quale è un task che include vari ambienti di test, mostrano che, con l’approccio proposto, la precisione del riconoscimento può essere significativamente e consistentemente migliorata per tutti i tipi di rumore e tutte le condizioni di SNR.