Key points are not available for this paper at this time.
Mehrere parametrische Darstellungen des akustischen Signals wurden hinsichtlich der Worterkennungsleistung in einem silbenorientierten kontinuierlichen Spracherkennungssystem verglichen. Der Wortschatz umfasste viele phonetisch ähnliche monosyllabische Wörter, weshalb der Schwerpunkt auf der Fähigkeit lag, phonetisch signifikante akustische Informationen trotz syntaktischer und dauerlicher Variationen beizubehalten. Für jedes Parameterset (basierend auf einem Mel-Frequenz-Cepstrum, einem linearen Frequenz-Cepstrum, einem linearen Vorhersage-Cepstrum, einem linearen Vorhersage-Spektrum oder einem Satz von Reflexionskoeffizienten) wurden Wortvorlagen unter Verwendung einer effizienten dynamischen Anpassungsmethode generiert, und Testdaten wurden zeitlich mit den Vorlagen registriert. Ein Satz von zehn Mel-Frequenz-Cepstrum-Koeffizienten, die alle 6,4 ms berechnet wurden, ergab die beste Leistung, nämlich 96,5 Prozent und 95,0 Prozent Erkennung mit jeweils zwei Sprechern. Die überlegene Leistung der Mel-Frequenz-Cepstrum-Koeffizienten kann darauf zurückgeführt werden, dass sie die wahrnehmungsrelevanten Aspekte des kurzzeitlichen Sprachspektrums besser darstellen.
Davis et al. (Fri,) haben diese Frage untersucht.