Modelamento e ajuste por regra sub-ótima de maximização da informação mútua de um sistema reconhecedor de palavras isoladas, independente do falante, para ambientes adversos, com redundância de informação.

• Ano de defesa: 1998
• Autor(a) principal: Minami, Mario
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Hidden Markov models; Maximização da informação mútua; Modelos ocultos de Markov; Mutual information maximization; Reconhecimento de voz; Speech recognition
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-29112024-093222/

Implementamos um sistema reconhecedor de palavras isoladas, independente do falante, para ambientes adversos, com Modelos Ocultos de Markov (HMM\'s) multiparamétricos, com distribuições discretas, múltiplos livros de códigos, e expoentes de ponderação nos parâmetros, que será detalhado ao longo do texto. Com base nesse sistema, propomos um modelamento via Maximização da Informação Mútua (MM) sub-ótima que possibilita a melhoria do desempenho do sistema. O modelamento, fundamentado em elementos da Teoria da Informação, permitiu que os ajustes propostos acompanhassem o fluxo do sinal, iniciando pela etapa de codificação (quantização) e chegando aos modelos HMM, sempre pelo critério de otimização por MMI. Para o ajuste dos modelos HMM formulamos expressões de reestimação, e propomos o uso da seqüência de estados fornecida pelo decodificador por Viterbi para um procedimento de MMI sub-ótimo. Os testes no sistema e a avaliação dos ajustes propostos foram realizadoscom dados de centenas de falantes, coletados da linha telefônica fixa comercial, num vocabulário de dígitos da Língua Portuguesa. Os resultados mostraram que o modelamento proposto melhora significativamente o desempenho do sistema, sem aumentar consideravelmente a carga computacional. O modelamento proposto pode ser aplicado a qualquer HMM discreto.