Добрый день! Столкнулся со следующей задачей: распознание голосовых сигналов, типа "Сохранить", ну или "Выход"...
Знаю, что в качестве критерия близости получаемой реализации некотого входного сигнала (коэффициенты разложения по какому-либо базису (Фурье, вейвлет-пакеты)), используются некоторые расстояния (метрики), т.е. в моем понимании это выглядит так: вычисляем "расстояние" по метрике между реализацией сигнала и всеми хранимыми эталонами сигналов, далее выбирает тот эталон, при котором получили наименьшее "расстояние". Вроде все верно, да?
Т.е. метрика считает "расстояние" между характеристиками-признаками входного сигнала (по сути, коэффициентами рахложения по базису) и характеристиками эталонов? по-моему, эт так.

Так, вот, очень сильно хотелось бы узнать об этих самых МЕТРИКАХ для сравнения голосовых сигналов! КАКИЕ они ЕСТЬ (так сказать, полный списочек !!!!!!!!!!!!!!!!!!!!!!!!!!!) ЧЕМ отличаются друг от друга!! Влияет ли выбор исходного базиса (Фурье, вейвлет-пакеты) на выбор метрики?! Какие лучше в мое случает распознания??!

Знаю только парочку названий метрик: расстояние Евклида, Махаланобиса, Минковского. А вот их устройство, принцип вычисления, отличия, ничего не знаю!

И еще, что позволяет нам сделать корреляция и ФУНКЦИЯ когерентности???

Я в этом деле полный новичок, случай вот такой --> (экспромтик такой!) Хотелось бы оч основательных ответов на доходчивом языке, заранее всем спасибо!

И еще, буду очень благодарен, если тот, у кого есть интересные поучительные статейки, лекции или еще чАго, вышлет на мыло студенту так сказать!

Цитата(kjohnny @ 17.11.2005, 15:40)

т.е. в моем понимании это выглядит так: вычисляем "расстояние" по метрике между реализацией сигнала и всеми хранимыми эталонами сигналов, далее выбирает тот эталон, при котором получили наименьшее "расстояние". Вроде все верно, да? Т.е. метрика считает "расстояние" между характеристиками-признаками входного сигнала (по сути, коэффициентами рахложения по базису) и характеристиками эталонов? по-моему, эт так.

Оно выглядит так, когда распознаются статические образы. Речь - штука динамическая! Поэтому используется накопленная метрика.

Цитата(kjohnny @ 17.11.2005, 15:40)

Фурье, вейвлет-пакеты

Этот базис для распознавания речи не годится.


L. Rabiner and B.-H. Juang, Fundamentals of Speech Recognition, Prentice Hall, 1993. - рекомендую начать с этого. А то будет вопросов еще больше

Цитата

Речь - штука динамическая! Поэтому используется накопленная метрика.

Под накопленной метрикой подразумевается методы DTW, марковские модели??

Цитата

Fundamentals of Speech Recognition

Облазил множество источников, нашел тока интернет-магазины, стоимость книжки впечатляет, может не там ищу.

Цитата

Этот базис для распознавания речи не годится.

А какие годятся?

Сверху в разделе прикреплена тема, в которой можно много чего найти.

Cкрытые марковские модели и DTW - в чем отличие данных методов, в чем их концепция??
Где о них можно почитать подробно, желательно на естественном национальном?

На естественном английском языке находится при помощи Гугля.

DTW

HMM

На русском языке даже в бумажном варианте найти непросто, особенно по СММ.
По DTW на форуме уже много раз спрашивали, ищи здесь.

Professor Joseph Picone. FUNDAMENTALS OF SPEECH RECOGNITION

тоже хороший учебник