Nichtnegative Matrix-Faktorisierung zur störrobusten Merkmalsextraktion in der Sprachverarbeitung

Hauptziel des Forschungsvorhabens ist，die Erkennung von Sprach-and Musiksignalen störrobuster zu Gestalten.Besonderes Kennzeichen is die集成von Merkmaren，die auf NichtNegativer Matrix-Faktorisierung(NMF)basieren.这句话的意思是：“我不知道你的名字是什么，我不知道你的名字是什么。”在信号的基础上，从最基本的角度来分析信号。在这一点上，我们不会放弃自己的计划，也不会放弃计划。这是一项非常重要的实验，它的意义在于它是一种新的贸易方式。这是一项非常重要的工作，因为它是一项重大的工程，它的所有内容都是这样的，它们都是这样的。Schlie？lich Sollen die bechriebenen nmf-merkmer in weiteren AnwendungsFeldern Wie Emotionserkennung，Erkennung von nichtlanguistischer Vokalisierung Wie Lachen oder Husten in Srache und Akkorderderkennung MIT Dem Zier Dder Steigerung aktueller Erkennungsgüte and der Störrobus it eingesetzt den.

Hauptziel des Forschungsvorhabens ist, die Erkennung von Sprach- und Musiksignalen störrobuster zu gestalten. Besonderes Kennzeichen ist die Integration von Merkmalen, die auf Nichtnegativer Matrix-Faktorisierung (NMF) basieren. NMF – ein Verfahren zur Datenreduktion – erfreut sich in der Signalverarbeitung jüngst zunehmender Popularität. Dabei wird meist ein Spektrogramm in zwei Faktoren zerlegt. Der erste enthält eine spektrale ‘Basis’ des Signals, der zweite die Aktivität der Basisvektoren über die Zeit. In diesem Forschungsvorhaben werden aus dem zweiten Faktor Merkmale gewonnen, die bestehende Architekturen zur Sprach- und Musikverarbeitung ergänzen können. Erste durchgeführte Experimente zur NMF-Merkmalsextraktion für die störrobuste Erkennung gesprochener Buchstabensequenzen im Fahrzeug haben sich dabei konventionellen Verfahren als signifikant überlegen und äußerst vielversprechend erwiesen. Das dabei verwendete Verfahren soll im Rahmen des Projekts durch Weiterentwicklung der NMF verbessert werden und insbesondere für den Einsatz in echtzeitfähigen Spracherkennungssystemen, auch für fließende Sprache, vorbereitet werden. Schließlich sollen die beschriebenen NMF-Merkmale in weiteren Anwendungsfeldern wie Emotionserkennung, Erkennung von nichtlinguistischer Vokalisierung wie Lachen oder Husten in Sprache und Akkorderkennung mit dem Ziel der Steigerung aktueller Erkennungsgüte und der Störrobustheit eingesetzt werden.