MFCC différentiels et quantification vectorielle utilisés pour un système de reconnaissance vocale en temps réel

Cet article propose des améliorations sur l'extraction des caractéristiques MFCC et présente un algorithme MFCC rapide utilisé pour un système de reconnaissance vocale en temps réel. Basé sur l'algorithme MFCC rapide, l'article utilise le MFCC différentiel pour l'extraction des caractéristiques et la quantification vectorielle ainsi que le modèle GMM pour la classification afin d'obtenir de meilleurs résultats. Il peut répondre aux exigences d'un système en temps réel en cas de haute précision. En le comparant avec l'algorithme MFCC traditionnel, l'algorithme MFCC rapide réduit considérablement le temps d'exécution tout en maintenant la précision de reconnaissance du système. Pour le prouver, cet article compare l'algorithme MFCC rapide avec LPC et FFT. L'expérience indique que l'EER de LPC est de 14,4 % et que l'EER de FFT est de 12,5 %, mais en utilisant le MFCC rapide, l'EER est de 9,4 % et le MFCC différentiel est seulement de 6,9 %.