Reconhecimento de voz, linguagem contínua, usando modelos de Markov.

Detalhes bibliográficos
Ano de defesa: 1993
Autor(a) principal: Fagundes, Rubem Dutra Ribeiro
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Pattern recognition
Processamento de sinais
Reconhecimento de padrões
Reconhecimento de voz
Signal processing
Speech recognition
Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-03062025-081812/
Resumo: Este trabalho estuda e descreve um reconhecedor de voz, de linguagem contínua, usando modelos de Markov (HMM) no processo de comparação de padrões. A realização deste trabalho utiliza análise LPC e quantização vetorial, para tratamento do sinal de voz, bem como o emprego de uma síntaxe, atendendo a um ambiente de aplicação, para efetuar a análise da sentença de voz proferida. O codebook do quantizador vetorial, e treinado via algoritmo LBG, e os parâmetros dos modelos de Markov, são estimados, conforme abordagem por máxima verossimilhança, e calculado pelo algoritmo de reestimação de Baum-Welch. O sistema é orientado a comandos, e o ambiente de aplicação escolhido e o de operações bancárias. Outras possíveis aplicações para este tipo de sistema podem ser consideradas, tais como interface homem-máquina amigável, auxílio a deficientes físicos, e outras aplicações onde um sistema de reconhecimento de voz, possa ser empregado. Os resultados obtidos do sistema foram satisfatórios, com o desempenho medido segundo testes com palavras isoladas, testes com linguagem contínua e testes de independência do locutor. Os resultados bem como os aspectos teóricos e práticos de implementação, são apresentados e discutidos no decorrer deste texto.
id USP_b11df1aa57179a471186fc194915e7bd
oai_identifier_str oai:teses.usp.br:tde-03062025-081812
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Reconhecimento de voz, linguagem contínua, usando modelos de Markov.Untitled in englishPattern recognitionProcessamento de sinaisReconhecimento de padrõesReconhecimento de vozSignal processingSpeech recognitionEste trabalho estuda e descreve um reconhecedor de voz, de linguagem contínua, usando modelos de Markov (HMM) no processo de comparação de padrões. A realização deste trabalho utiliza análise LPC e quantização vetorial, para tratamento do sinal de voz, bem como o emprego de uma síntaxe, atendendo a um ambiente de aplicação, para efetuar a análise da sentença de voz proferida. O codebook do quantizador vetorial, e treinado via algoritmo LBG, e os parâmetros dos modelos de Markov, são estimados, conforme abordagem por máxima verossimilhança, e calculado pelo algoritmo de reestimação de Baum-Welch. O sistema é orientado a comandos, e o ambiente de aplicação escolhido e o de operações bancárias. Outras possíveis aplicações para este tipo de sistema podem ser consideradas, tais como interface homem-máquina amigável, auxílio a deficientes físicos, e outras aplicações onde um sistema de reconhecimento de voz, possa ser empregado. Os resultados obtidos do sistema foram satisfatórios, com o desempenho medido segundo testes com palavras isoladas, testes com linguagem contínua e testes de independência do locutor. Os resultados bem como os aspectos teóricos e práticos de implementação, são apresentados e discutidos no decorrer deste texto.This work studies and describes a Continuous Speech Recognition System, using Hidden Markov Models (HMM), In the pattern matching process. The processing system uses LPC analysis, and Vector Quantization, for dealing with Speech Signals, and syntax structure following specific application environment in the analysis of speech sentences. The vector quantization codebook is trained with well-know LBG Algorithm, and the Hidden Markov Parameters are estimated, pursuant to maximum likelihood approach, and processed by Baum-Welch Reestimation Algorithm. The features include command-oriented system, and application environment involving banking tasks. Among possible applications could be considered man-machine user-friendly interface, aiding handicapped people, and others task where Speech Recognition Systems could be employed. The results evaluated has been fair, with performance measured with isolated word recognition test, continuous speech recognition test, and speaker independence test. Results tests and theoretical and practical topics are presented and discussed through this text.Biblioteca Digitais de Teses e Dissertações da USPAlens, NormondsFagundes, Rubem Dutra Ribeiro1993-08-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3142/tde-03062025-081812/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-06-03T11:25:02Zoai:teses.usp.br:tde-03062025-081812Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-06-03T11:25:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
Untitled in english
title Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
spellingShingle Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
Fagundes, Rubem Dutra Ribeiro
Pattern recognition
Processamento de sinais
Reconhecimento de padrões
Reconhecimento de voz
Signal processing
Speech recognition
title_short Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
title_full Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
title_fullStr Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
title_full_unstemmed Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
title_sort Reconhecimento de voz, linguagem contínua, usando modelos de Markov.
author Fagundes, Rubem Dutra Ribeiro
author_facet Fagundes, Rubem Dutra Ribeiro
author_role author
dc.contributor.none.fl_str_mv Alens, Normonds
dc.contributor.author.fl_str_mv Fagundes, Rubem Dutra Ribeiro
dc.subject.por.fl_str_mv Pattern recognition
Processamento de sinais
Reconhecimento de padrões
Reconhecimento de voz
Signal processing
Speech recognition
topic Pattern recognition
Processamento de sinais
Reconhecimento de padrões
Reconhecimento de voz
Signal processing
Speech recognition
description Este trabalho estuda e descreve um reconhecedor de voz, de linguagem contínua, usando modelos de Markov (HMM) no processo de comparação de padrões. A realização deste trabalho utiliza análise LPC e quantização vetorial, para tratamento do sinal de voz, bem como o emprego de uma síntaxe, atendendo a um ambiente de aplicação, para efetuar a análise da sentença de voz proferida. O codebook do quantizador vetorial, e treinado via algoritmo LBG, e os parâmetros dos modelos de Markov, são estimados, conforme abordagem por máxima verossimilhança, e calculado pelo algoritmo de reestimação de Baum-Welch. O sistema é orientado a comandos, e o ambiente de aplicação escolhido e o de operações bancárias. Outras possíveis aplicações para este tipo de sistema podem ser consideradas, tais como interface homem-máquina amigável, auxílio a deficientes físicos, e outras aplicações onde um sistema de reconhecimento de voz, possa ser empregado. Os resultados obtidos do sistema foram satisfatórios, com o desempenho medido segundo testes com palavras isoladas, testes com linguagem contínua e testes de independência do locutor. Os resultados bem como os aspectos teóricos e práticos de implementação, são apresentados e discutidos no decorrer deste texto.
publishDate 1993
dc.date.none.fl_str_mv 1993-08-05
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3142/tde-03062025-081812/
url https://www.teses.usp.br/teses/disponiveis/3/3142/tde-03062025-081812/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1844786326214279168

Registros relacionados