Reconhecimento automático de palavras isoladas, independente de locutor, para sistemas embarcados.

• Ano de defesa: 2012
• Autor(a) principal: NASCIMENTO NETA, Maria de Lourdes do.
• Orientador(a): MELCHER, Elmar Uwe Kurt. , ARAÚJO, Joseana Macêdo Fechine Régis de.
• Banca de defesa: QUEIROZ, José Eustáquio Rangel de., MORAIS, Marcos Ricardo Alcântara.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Reconhecimento Automático da Fala; Palavras Isoladas - Reconhecimento Automático; Processamento de Sinais de Voz; Reconhecimento da Fala; Voz e Tecnologia; Sistemas Embarcados; Uso de Coeficientes Cepstrais; Quantização Vetorial; Regra de Decisão - Distância Euclidiana; Automatic Speech Recognition; Processing of Voice Signals; Use of Ceptral Coefficients; Isolated Word Speech Recognition; Baixo Consumo Energético - Sistema de Voz
• Área do conhecimento CNPq: Ciência da Computação.
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/1349

O presente trabalho insere-se na área de Reconhecimento da Fala e nele propõe-se um sistema de reconhecimento automático de palavras isoladas independente do locutor, para sistemas embarcados dependentes de bateria que apresentam o requisito de baixo consumo. Considerando os critérios de baixo consumo e visando uma implementação em hardware, optou-se pelo uso de técnicas simples para o reconhecimento, a saber: (i) uso de coeficientes cepstrais, obtidos a partir dos coeficientes LPC, na composição do vetor de características; (ii) uso da quantização vetorial, na obtenção de padrões; e (iii) regra de decisão, baseada na distância euclidiana. O sistema proposto foi implementado em software e validado a partir de uma base de dados composta de 1.232 sentenças de treinamento e 770 sentenças de teste, proporcionando uma taxa de reconhecimento de 96,36%. Comparando-se com modelagens mais complexas, que utilizam Modelos de Markov Escondidos de Densidades Contínuas, modelo linguístico e coeficientes mel cepstrais, que proporcionam uma taxa de reconhecimento de 100%, a técnica proposta se mostra adequada, dado à pequena redução do desempenho para uma redução significativa da complexidade e, consequentemente, do consumo, em uma implementação em hardware.