Reconnaissance Automatique du Locuteur

Résumé

Dans ce travail, nous avons abordé l’introduction à un modèle de reconnaissance du locuteur pour des vocabulaires limités à mots isolés. Nous adaptons la technique de quantification vectorielle (QV) pour la classification. Chaque mot est représenté par une séquence d’étiquettes dont Chacune correspond à des prototypes élaborés, lors de la phase d’apprentissage. On utilise les centroïdes de chaque classe dans la phase de décision qui est traitée par le processus " les k plus proches voisins ". Le test de génération utilisé mesure les performances du modèle en utilisant des données qui ne figurent pas dans la base d’apprentissage.

Mots clés: Reconnaissance automatique du locuteur (RAL), Quantification vectorielle, codebook, MFCC.

1. INTRODUCTION

La parole est un des premiers modes de communication de l'homme le plus simple mais aussi le plus sophistiqué. La maîtrise de ce mode de communication a permis l'émergence de systèmes automatiques de synthèse, de compression ou encore de reconnaissance de la parole. Depuis plusieurs décennies, de nombreuses équipes travaillent sur ce dernier point ; la reconnaissance de la parole. De ce fait l'homme a toujours cherché à maîtriser ce mode de communication. Cette maîtrise passe entre autres par la reconnaissance de la parole. Depuis un certain nombre d'années, de nombreux efforts ont été fait dans ce sens. Bien que de nombreux efforts de recherche soient fournis dans les différents domaines

touchant à la reconnaissance de la parole, une utilisation au quotidien de tels systèmes n'est possible que dans des conditions strictes d'application. Ainsi, on peut assurer une certaine fiabilité si l'enregistrement d'un unique locuteur est effectué sans bruit et que la reconnaissance porte sur un vocabulaire restreint. Dans les cas contraires (plusieurs locuteurs, bruits …) les performances des systèmes actuels chutent [2][3][6][7]. Nous cherchons dans ce travail à adapter les coefficients cepstraux qui peuvent donner plus de fidélité au locuteur ainsi que la méthode de classification la plus performante. Nous considérons ici dans ce travail la classification par la méthode de quantification vectorielle. Dans la deuxième section de cet article, nous présentons le système de reconnaissance du locuteur comportant un prétraitement du signal vocal, la paramétrisation, la classification et la décision. Dans la troisième section, nous donnons les résultats expérimentaux.

2. SYSTEME D’IDENTIFICATION DU LOCUTEUR (RAL)

Le système de reconnaissance vocale numérique de la figure 1 est caractérisé en général par trois étapes essentielles : - Le prétraitement qui comprend l'acquisition du signal de la parole et l'extraction des paramètres. - L'apprentissage du vocabulaire et la compa- raison aux références pendant

...