Reconnaissance Des Commandes Vocales D'un Robot Mentor Dans Un Environnement Bruite A Base Hmm

##plugins.themes.bootstrap3.article.sidebar##

pdf (Français (Canada))
منشور: Jun 28, 2014
DOI: https://doi.org/10.61850/allj.v20i1.498
الكلمات المفتاحية:
نموذج ماركوف، اللغة العربية، اللغة الفرنسية، التعرف الآلي على الكلام، نسبة الإشارة الى الضجيج

##plugins.themes.bootstrap3.article.main##

فطيمة خنفر كوميش
العربي مصباحي
فتيحة هندل

الملخص

تعرض هذه الدراسة نظام التعرف الآلي على الكلام المنجز، يعتمد على نماذج ماركوف المخفية (HMM -Hidden Markov Model-)، المطبقة على كلمات نوع أوامر الروبوت المعزولة. الهدف هو السماح للمشغل بالتحكم في الروبوت المرشد لأداء مهام محددة للغاية مثل الدوران أو الرفع أو الإغلاق وما إلى ذلك. يجب أن تأخذ هذه المهمة في الاعتبار مستويات مختلفة من الضوضاء البيئية. تم تطبيق هذا النهج على كلمات معزولة تمثل أوامر الروبوت المنطوقة بلغتين: الفرنسية والعربية. معدل الاعتراف الذي تم الحصول عليه في اللغتين قابل للمقارنة في الكلام المحايد. ومع ذلك، هناك اختلاف بسيط لصالح اللغة العربية عند إضافة الضوضاء البيضاء الغوسية، حيث تبلغ نسبة الإشارة إلى الضوضاء (SNR) 30 ديسيبل، ونعرض معدلات التعرف على 69% و80% للغة العربية والفرنسية العربية على التوالي. ويمكن تفسير ذلك من خلال قدرة السياق الصوتي لكل لغة على احتواء تأثير الضوضاء.

##plugins.themes.bootstrap3.article.details##

كيفية الاقتباس
خنفر كوميشف., مصباحيا., & هندلف. (2014). Reconnaissance Des Commandes Vocales D’un Robot Mentor Dans Un Environnement Bruite A Base Hmm. AL-Lisaniyyat, 20(1), 9-17. https://doi.org/10.61850/allj.v20i1.498
إصدار
مجلد 20 عدد 1 (2014): v20i12014
القسم
Articles

المراجع

[1] Gallardo-Estrella, L. and Poncela, A. “Human/Robot Interface for Voice Teleoperation of a Robotic Platform”, Springer-Verlag Berlin Heidelberg, 2011 [2] Ben Fredj, L and Ouni, K., “Optimization of Features Parameters for HMM Pho- neme Recognition of TIMIT Corpus”, In- temational Conference on Control, Engi- neering & Information Technology (CEIT’13). Vol.2, pp. 90-94, 2013. [3] Umesh, S, “Studies on inter-speaker var- iability in speech and its application in automatic speech recognition”, Sadhana Vol. 36, Part 5, October 2011, pp. 853— 883.© Indian Academy of Sciences. Bänziger, T.. Klasmeyer, G., Johnstone, T Kamceva, T. and Scherer, K. R, “Améliorer les systèmes de vérification automatique du locuteur en intégrant la variabilité émotionnelle”, XXIIèmes Journées d’Etude sur la Parole, Aussois, 19-23 juin 2000. [5] Rabiner, L. and Juang. B..’Fundamentals of Speech Recognition”, PTR Prentice Hall (Signal Processing Series), Eng- lewood Cliffs NJ, 1993, ISBNO-13- 01515 Kevin, J., Lang, À. and Waibel, “A Time Delay Neural Network Architecture for Isolated Word Recognition”, Neural Networks, Vol. 3, pp. 23-43, 1990. Heidaria, H. and Gobeeb, S., “Isolated Word Command Recognition for Robot Navigation”, International Symposium on Robotics and Intelligent Sensors 2012 (IRIS 2012), sciencedirect, Procedia En- gineering 41 (2012 ) 412 - 419. [8] Ferre M. Macias-Guarasa, J… Aracil Raand Barientos A.” Voice command generator for teleoperated robot systems.” In Proceedings of the IEEE ROMAN 1998, Takamatsu, Japan 1998. [9] Dragon Naturally Speaking de Nuance. http:/Avww.nuance.f/Dragon! 2. [10] Juang, B. H. and Rabiner, L. R., “Hidden Markov Models for Speech Recognition”, Technometries is currently published by
[4
[6
[
Reconnaissance des commandes vocales d’un robot mentor
American Statistical Association, Technometrics, Vol. 33, No. 3. (Aug.. 1991), pp. 251-272. [11] Rabiner, L. R, “A Tutorial on Hidden Markov Models and selected applications in speech recognition”, Proceedings of IEEE, Vol. 77, N°2, p 286, Feb. 1989. [12] Young, S, Evermann, G. Kershaw, D, Moore, D., Odell, J., Ollason, D.. Valtchev, V. and Woodland, P. “The HTK Book (for HTK version 3.4)”. Cam- bridge University Engineering Depart- ment, December 2006. http://htic.eng.cam-ac.uk. [13] The DARPA TIMIT Acoustic-phonetic Continuous Speech Recognition Database CDROM, NIST, 1990. [14] http://www.speech.kth.se/