Uma Abordagem de Reconhecimento de Padrões em Duas Passagens para o Reconhecimento de Palavras Isoladas

Uma das principais desvantagens da abordagem padrão de reconhecimento de padrões para o reconhecimento de palavras isoladas é que um desempenho ruim geralmente é alcançado para vocabulários de palavras com palavras acusticamente semelhantes. Esse desempenho ruim está relacionado aos algoritmos de similaridade de padrões (distância) que são geralmente utilizados, onde uma distância global entre o padrão de teste e cada padrão de referência é calculada. Como as palavras acusticamente semelhantes são, por definição, globalmente semelhantes, é difícil discriminar essas palavras de forma confiável, e uma alta taxa de erro é obtida. Ao modificar o algoritmo de similaridade de padrões de modo que a decisão de reconhecimento seja feita em duas passagens, podemos obter melhorias na discriminabilidade entre palavras semelhantes. Em particular, na primeira passagem, o reconhecedor fornece um conjunto de escores de distância global que são usados para decidir uma classe (ou um conjunto de classes possíveis) à qual se estima que a palavra falada pertença. Na segunda passagem, usamos uma distância localmente ponderada para fornecer uma separação ótima entre as palavras na classe (ou classes) escolhida, e tomamos a decisão de reconhecimento com base nesses escores de distância local. Para um vocabulário altamente complexo (letras do alfabeto, dígitos e três palavras de comando), obtemos melhorias no reconhecimento de 3 a 7 por cento usando a estratégia de reconhecimento em duas passagens.