1. Выделение классификационных признаков.
2. Сравнение полученной совокупности признаков с эталонными описаниями классов.
3. Принятие решения о соответствии полученной реализации одному из известных классов.
Соответственно для корректного решения задачи о построении распознающего устройства/алгоритма необходимо предварительно выбрать способ описания характерных признаков объектов, составить эталонные описания классов, ввести критерий принятия решения.
Применительно к нашим N классам речевых сигналов (команд "Один", "Два", ... "Эн") можно поступить так.
Раз это речевые сигналы различной длительности, то удобнее с ними работать в частотной области. Это значит, что в качестве классификационных признаков могут выступать коэффициенты разложения по какой-либо системе функций. Самый известный случай - базис Фурье. конечно, для распознавания речи этот базис слабоват. Сейчас известно большое количество примеров использования других базисов. У нас довольно популярны были различные частотно-временные распределения, вейвлеты. Кстати говоря, вейвлеты, на мой взгляд, в плане возможностей по анализу тонкой структуры сигналов выглядят более предпочтительно.
Но и здесь надо долго выбирать, какой конкретно вейвлет (Добеши, Морлет и т.д. и т.п.) выбрать, сколько уровней разложения взять. Но все эти мучения окупятся. Здесь чисто экспериментальная работа.
Лично я в свое время мучил не просто вейвлет, а вейвлет-пакет.
Итак, допустим, выбрали вейвлет. Теперь беремся за базу эталонов. Садись за микрофон и записывай в какой-нибудь файл речевые команды. Затем из каждого файла берешь выборку, раскладываешь в вейвлет-пакеты. Но это еще не эталоны. Представь себе, что выбрал, к примеру, 7 уровней разложения в вейвлет-пакет. Посчитай, сколько получишь коэфициентов (домашнее задание
). Так вот, чтобы упростить в вычислительном плане алгоритм, надо взять все полученные вейвлет-образы эталонных сигналов и посмотреть, какими коэффициентами (пронумерованы!) они максимально различаются. И сразу надо забить номера коэффициентов, которые (только эти!) будем вычислять в принятой реализации сигнала при решении задачи классификации. Вот теперь, когда мы таким образом "почистили" коэффициенты, мы получили эталонные описания. Едем дальше.
Критерий принятия решения или некоторое правило принятия решения.
Понятие критерия принятия решения тесно связано с понятем показателя. Особо не философствуя, отмечу, что в ряде случаев эти понятия совпадают. Давай сразу - введем в качестве показателя (критерия близости) некоторое расстояние (метрику), характеризующее степень "похожести" полученной реализации и каждого из эталонов. Сейчас очень модны (и вообще говоря эффективны) критери близости, ранее появившиеся в статистике.
Например, всем известное расстояние Евклида. Все знают его из школьного курса геометрии как растояние между двумя точками на плоскости. Отличие только в том, что у нас n-мерный случай.
Расстояние Махаланобиса. Отличается от евклидова учетом обобщенной ковариационной матрицы. это дает более высокую точность работы в условиях шумов (искажений, помех). например, ты забил в базу эталон команды "Шестнадцать", когда у тебя было бодрое настроение. на следующий день тебе его испортили. Ты говоришь в микрофон так грустно: "Шишнаааацасссь"
. В результате решающее устройство соврёт, но только не в том случае, если ты выбрал махаланобисский критерий!Расстояние Минковского. Работает еще более устойчиво. Если интересно, из теории сообщу, чем отличается. Расстояние махаланобиса применяют в случае нормального закона распределения ошибок, а расстояние Минковского к нему инвариантно.
Итак, критерий можем сформулировать словесно: получена реализация сигнала того класса, от эталона которого она минимально отличается.
Таким образом предварительная работа проведена, получаем следующий алгоритм:
1. Выделить классификационные признаки в полученной реализации сигнала. В нашем случае разложить в вейвлет-пакет (либо другую систему функций).
2. Сравнить полученную совокупность признаков с эталонными описаниями. Это значит, вычисляем принятую метрику.
3. Смотрим, для какого эталона эта метрика оказалась минимальной. Отождествляем принятую реализацию сигнала с этим классом.
Я когда-то с помощью вейвлетов и расстояния Махаланобиса пытался распознавать принадлежность голоса тому или иному человеку. Получалось. И получалось по той же схеме распознавать не только речевые сигналы, но и радиосигналы со сложными видами модуляции.
Получится ли распознать слова - не знаю. Работай
Если надо кому-нить, могу привести участки кода. Но ведь это уже не алгоритм, а его конкретное воплощение, да?
© Небольшой экспромт
и что же решили? 