Invariante Merkmale für die automatische Spracherkennung auf der Basis von komplexen Modellen der Spracherzeugung und der auditorischen Wahrnehmung

Während sprecherspezième he Systeme zur automatischen Sprackerkennung bereits vielfach eingesetzt韦尔登（z.B. für Diktieraufgaben），ist die Verwendbarkeit der sprecherunabhängigen Sprackerkennung für die Mensch-Maschine-Kommerkation noch stark eingeschränkt. Als Gründe sind neben zu geringen Robustheit gegenüber äußeren Einflüssen，wie Hintergrundgeräuschen und Nachhall，die greßen Variationen zwischen den Sprechern（Vokaltraktdimension，Geschlecht，Alter，Dialekt usw.）直到现在，这个新的系统才能让我们了解它。在前处理中，前处理韦尔登可以通过一种方法来实现扩展特征，该方法可以通过韦尔登的不变性来实现。在前研究中，我们首先要研究韦尔登的不变性，即在一个一般的语音影响的物理模型的基础上进行不变性研究，并在一个复杂的人的行为预测模型中进行验证。Globales Ziel is es，die Erkennungsleistung in sprecherunabhängigen Anwendungen und unter dem Einfluss äußerer Störungen deutlich zu verbessern und die automatische Sprackerkennung als Modus für die Mensch-Maschine-Kommerkation besser nutzbar zu machen.

Während sprecherspezifische Systeme zur automatischen Spracherkennung bereits vielfach eingesetzt werden (z.B. für Diktieraufgaben), ist die Verwendbarkeit der sprecherunabhängigen Spracherkennung für die Mensch-Maschine-Kommunikation noch stark eingeschränkt. Als Gründe sind neben einer zu geringen Robustheit gegenüber äußeren Einflüssen, wie Hintergrundgeräuschen und Nachhall, die großen Variationen zwischen den Sprechern (Vokaltraktdimension, Geschlecht, Alter, Dialekt usw.) zu nennen, an die sich heutige Systeme nur unzureichend anpassen können. In Vorarbeiten des Antragstellers konnte bereits nachgewiesen werden, dass die Robustheit gegenüber Sprecher-Eigenschaften durch den Einsatz von Methoden der Invariantengewinnung deutlich gesteigert werden kann. Im vorliegenden Forschungsvorhaben soll die Erzeugung invarianter Merkmale weiter verbessert werden, indem die Invariantenberechnung auf der Basis einer genaueren physikalischen Modellierung der Vokaltrakteinflüsse und unter Verwendung von komplexen Modellen der auditorischen Wahrnehmung des Menschen erfolgt. Globales Ziel ist es, die Erkennungsleistung in sprecherunabhängigen Anwendungen und unter dem Einfluss äußerer Störungen deutlich zu verbessern und die automatische Spracherkennung als Modus für die Mensch-Maschine-Kommunikation besser nutzbar zu machen.