Das Dokument behandelt die Aktivitäten des Instituts zur Signaltrennung, insbesondere durch interne Komponentenanalysen (ICA) und Zeit-Frequenzmaskierung zur robusten Spracherkennung. Es wird erläutert, wie diese Methoden zur Rekonstruktion und Trennung von Sprachsignalen in gestörten Umgebungen verwendet werden können, sowie deren Auswirkungen auf die Signalqualität und Erkennung. Zudem wird die Anwendung von Missing-Data-Techniken zur Verbesserung der Spracherkennung in Verbindung mit ICA hervorgehoben.

1. Aktivitäten des Instituts Signaltrennung  Independent Component Analysis  Zeit-Frequenzmaskierung Robuste Spracherkennung  Missing-Data Techniken zur Erkennung gestörter Sprachsignale Anwendung zur Fehlerdetektion  Signalaufbereitung + HMM- oder DTW-Klassifikation Überblick

2.  Spracherkennung in gestörten Umgebungen leidet besonders unter Überlagerung des erwünschten Sprachsignals mit anderen Sprechersignalen  Mikrofone zeichnen nur gefaltete Mischungen von Sprechersignalen auf  Ziel: Rekonstruktion einzelner Sprechersignale Mischungen Independent Component Analysis

3. Sprechertrennung mit ICA  Independent Component Analysis (ICA) schätzt optimale Entmischungsmatrix im Sinn der maximalen statistischen Unabhängigkeit der Signale Rekonstruktionen mit linearen ICA-Methoden A(  ) -1 A(  ) gefaltete Mischung S 1 (  ) S 2 (  ) X 1 (  ) X 2 (  ) Y 1 (  ) Y 2 (  ) Max. Unab- hängigkeit für alle 

4.  Erlaubt im Idealfall fast perfekte Trennung aus nur einem Mikrophonsignal Sprachsignale Mischung Maskierungs- funktion Zeit-Frequenzmaskierung

5. ICA + Zeit-Frequenzmaskierung  Independent Component Analysis kann genutzt werden, um Signale linear zu trennen und um die Berechnung einer zusätzlichen Zeit-Frequenz-Maske zu ermöglichen. Ohne Maskierung: Mit Maskierung:

6. Zeit-Frequenzmaskierung verbessert ICA-Ergebnisse und bietet  Durchschnittliche Verbesserung des Signal-Störverhältnisses von 3.4dB gegenüber ICA allein  Geringen Rechenaufwand  Robustheit gegenüber Störgeräuschen Aber verbessertes SNR verbessert Spracherkennung nur wenig Das liegt wahrscheinlich an veränderten Merkmalen, aber die menschliche Erkennung von zeigt, dass auch im gestörten Signal genug Information für die Erkennung präsent ist. Mögliche Lösung: Einsatz von Missing-Data Techniken Zeit-Frequenzmaskierung

7. Eingesetzte Methoden zur Verwendung der Unsicherheitsinformation:  Uncertainty Decoding  „ Data Imputation“  Modified Imputation S(  ) Quellen- Trennung HMM- Spracherkennung Punkt- schätzung x 1 (t) x 2 (t) Quellen- Trennung HMM- Spracherkennung Unsicherheits- information x 1 (t) x 2 (t) S(  ),  S(  )) Missing-Data Techniken

8. Ergebnisse Spracherkennung

9. Anwendung zur Fehlerdetektion  Independent Component Analysis kann genutzt werden, um Signale linear zu trennen und die Berechnung einer optionalen Zeit-Frequenz-Maske zu ermöglichen.  Anschliessende Erkennung kann sowohl mit DTW als auch mit HMMs zur Musterklassifikation und Fehlererkennung eingesetzt werden.

10. Vielen Dank!