話し言葉の数字認識におけるさまざまなパラメータセットの評価

スペクトルエンベロープ、ケプストラム、自己相関関数、線形予測係数、部分自己相関係数（PACを含む）などのさまざまなパラメータセットが、話し言葉の数字認識において最も優れたパラメータを特定するために実験的に評価されます。認識の原理は、パラメータ空間における単純なパターンマッチングで、時間軸の非線形調整が行われます。スペクトルエンベロープとケプストラムは、単一の男性スピーカーによる十の話し言葉の数字に対して100パーセントの認識スコアを達成します。PACは、抽出の容易さと理論的直交性から好ましいようですが、固定小数点演算で短いアキュムレータ長を用いて計算されると計算誤差を抱える傾向があります。誤差を改善するための2つの効果的な手段を見つけました。一つは計算精度に制御されたPAC次元の可変利用であり、もう一つは時間軸に沿った平滑化です。これらの改善により、PACはほぼ100パーセントの認識を提供します。