A comparative study between MFCC and LSF coefficients in automatic recognition of isolated digits pronounced in Portuguese and English

摘要

Reconhecimento de dígitos falados isoladamente é o procedimento fundamental para um grande número de aplica??es importantes que dependem somente da fala para troca de dados, como em servi?os de telefonia, tais como discagem, reserva de passagens aéreas, transa??es bancárias e cota??es de pre?o. O reconhecimento é uma tarefa desafiadora visto que os sinais possuem curto período de tempo e muitas vezes alguns dígitos s?o acusticamente muito semelhantes a outros dígitos. O objetivo deste trabalho é investigar o uso de algoritmos de aprendizado de máquina para reconhecimento de dígitos falados e divulgar para a comunidade científica a livre disponibilidade de um banco de dados com dígitos pronunciados em inglês e português. Uma vez que algoritmos de aprendizado de máquina s?o totalmente dependentes de atributos preditivos para construir classificadores precisos, acreditamos que a tarefa mais importante para reconhecimento de dígitos falados é a extra??o de características. Neste trabalho, mostramos que Line Spectral Frequencies (LSF) fornecem um conjunto de coeficientes altamente preditivos. Os classificadores foram avaliados em diferentes configura??es alterando a taxa de amostragem para simular canais de baixa qualidade e variando o número de coeficientes.