USE OF REGRESSION IN NOISY SPEECH RECOGNITION

Year 2014, Special Issue of XIV. International Symposium on Econometrics, Operations Research and Statistics, 495 - 502, 01.10.2014

Semih Ergin Rifat Aykut Arapoğlu

Abstract

In this
study, we investigated the contribution of the multiple regression to robust
noisy speech recognition in improving the recognition rates. When the noisy
speech recognition process is carried out; first of all, an Affine
Transformation is performed in order to map the feature vectors of noisy speech
into those of clean speech. After transforming, the recognition step is
achieved using the Common Vector Approach (CVA). We used several multiple
linear as well as non-linear regression models to improve the recognition rates
by adding non-linear terms into the model during the affine transformation
stage. In the experimental study, the recognition rates of the noisy speech
signals with 0 dB, 5 dB, 10dB, and 20 dB Signal-to-Noise Ratio (SNR) values
have been obtained. Noisy speech which has 20, 10, 5, and 0 dB SNR is obtained using
MATLAB by adding white Gaussian noise on the clean speech taken from the Texas
Instruments (TI) Digit Database. Improvements are observed when non-linear
terms are introduced into the model.

Keywords

Regression analysis, Affine transformation, Robust speech recognition

GÜRÜLTÜLÜ SES TANIMADA REGRESYON KULLANIMI

Abstract

• Bu çalışmada,
  gürültülü ses tanıma oranlarının iyileştirilmesinde çoklu regresyon analizinin
  katkısı araştırılmıştır. Gürültülü ortamda ses tanıma sürecinde, ilk önce,
  gürültülü sesin öznitelik vektörünü temiz sesin öznitelik vektörüne haritalayan
  bir ilgin (affine) dönüşümden faydalanılmaktadır. Bu dönüşümden sonra, tanıma
  aşaması Ortak Vektör Yaklaşımı (OVY) ile yürütülmektedir. Tanıma oranlarını
  iyileştirmek için, ilgin (affine) dönüşüm sırasında birçok doğrusal ve doğrusal
  olmayan regresyon modeli kurulmuş ve hem doğrusal hem de doğrusal olmayan
  terimler bu modele eklenmiştir. Deneysel çalışmalarda, 0 dB, 5 dB, 10dB ve 20
  dB Sinyal/Gürültü Oranı (SGO) değerlerindeki gürültülü ses sinyalleri için
  tanıma oranları elde edilmiştir. 20, 10, 5 ve 0 dB SGO gürültülü sesler, Texas Instruments (TI) Rakam veritabanından
  alınan temiz seslerin üzerine Beyaz Gauss gürültünün MATLAB ortamında eklenmesi
  ile elde edilmiştir. Doğrusal olmayan terimlerin modele eklenmesi sonucu tanıma
  oranlarında iyileşmeler gözlemlenmiştir.

Keywords

Regresyon analizi, İlgin (Affine) dönüşüm, Gürbüz ses tanıma

References

• Basbug, F., Swaminathan, K. & Nandkumar, S. (2003). Noise reduction and echo cancellation front-end for speech codecs. IEEE Transactions on Speech and Audio Processing, 11(1), 1-13.
• Chien, J.-T. (2003). Linear regression based Bayesian predictive classification for speech recognition. IEEE Transactions on Speech and Audio Processing, 11(1), 70-79.
• David, A. F. (2005). Statistical Models: Theory and Practice. Cambridge: Cambridge University Press.
• Gulmezoglu, M. B., Dzhafarov, V., Keskin, M. & Barkana, A. (1999). A novel approach to isolated word recognition. IEEE Transactions on Speech and Audio Processing, 7(6), 620-628.
• Gulmezoglu, M. B., Dzhafarov, V. & Barkana, A. (2001). The Common Vector Approach and its relation to Principal Component Analysis. IEEE Transactions on Speech and Audio Processing, 9(6), 655-662.
• Karnjanadecha, M. & Zahorian, S. A. (2001). Signal modeling for high-performance robust isolated word recognition. IEEE Transactions on Speech and Audio Processing, 9(6), 647-654.
• Lee, C., Hyun, D., Choi, E., Go, J. & Lee, C. (2003). Optimizing feature extraction for speech recognition. IEEE Transactions on Speech and Audio Processing, 11(1), 80-87.
• Mammone, J. R., Zhang, X. & Ramachandran, R. P. (1996, September). Robust speaker recognition – A feature based approach. IEEE Signal Processing Magazine, 58-71.