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

Résumé

Cet article présente une approche basée sur les modèles de Markov cachés (HMM -Hidden Markov Model-), appliquée à des mots isolés de type commande robot. Le but c’est de permettre à un opérateur de commander un robot mentor pour exécuter des tâches bien précises de type tourner, monter ou fermer, etc. Cette tâche doit tenir en compte des différents niveaux de bruit d’environnement. Cette approche a été appliquée sur des mots isolés représentants les commandes robot prononcées en deux langues : le Français et l’Arabe. Le taux de reconnaissance obtenu dans les deux langues est comparable dans la parole neutre. Néanmoins, il y a une légère différence au profit de la langue Arabe lorsqu’un bruit blanc gaussien est ajouté, avec un Rapport Signal sur Bruit (RSB) égale à 30dB, on affiche des taux de reconnaissances de 69% et 80% pour le Français et l’Arabe respectivement. Cela peut s’expliquer par la capacité du contexte phonétique de chaque langue à contenir l’influence du bruit