1,721,002 research outputs found
Non-intrusive speech intelligibility prediction using automatic speech recognition derived measures
No full textThe estimation of speech intelligibility is still far from being a solved problem. Especially one aspect is problematic: most of the standard models require a clean reference signal in order to estimate intelligibility. This is an issue of some significance, as a reference signal is often un- available in practice. In this work, therefore a non-intrusive speech intelligibility estimation framework is presented. In it, human listeners’ performance in keyword recognition tasks is predicted using intelligibility measures that are derived from models trained for automatic speech recognition (ASR). One such ASR-based and one signal-based measure are combined into a full framework, the proposed NO-Reference Intelligibility (Nori) estimator, which is evaluated in predicting the performance of both normal-hearing and hearing-impaired listen- ers in multiple noise conditions. It is shown that the Nori framework even outperforms the widely used reference-based (or intrusive) short-term objective intelligibility (STOI) measure in most considered scenarios, while being applicable in fully blind scenarios with no reference signal or transcription, creating perspectives for online and personalized optimization of speech enhancement systems
Uncertainty Decoding für die nachhallrobuste automatische Spracherkennung
No full textThe major problem in distant-talking speech recognition is the corruption of speech signals by both interfering sounds and reverberation. While a range of successful techniques has been developed since the beginnings of speech recognition research to combat additive and short convolutive noise, compensating for long-term distortion caused by reverberation has not gained wide attention until recently. This thesis further develops an uncertainty decoding approach, named REverberation MOdeling for Speech recognition (REMOS), to adapt the acoustic model of a conventional Hidden Markov Model-based recognizer to reverberant environments. By incorporating a convolutive observation model, the Viterbi decoder is extended in order to implicitly provide a state-wise late reverberation estimate leading to a relaxation of the hidden Markov models' conditional independence assumption. The experimental evaluation confirms that REMOS yields strong speech recognition performance under noisy and reverberant conditions and furthermore allows for a rapid adaptation to changing acoustic conditions.Das grundlegende Problem der Spracherkennung mit Freisprechmikrofonen ist die Verfälschung der Sprachsignale durch Störsprecher und Nachhall. Seit den Anfängen der Spracherkennungsforschung wurden eine Reihe erfolgreicher Techniken entwickelt, um additive und kurze konvolutive Störungen zu überwinden. Demgegenüber erhielt die Kompensation von Langzeitstörungen, wie sie durch Nachhall verursacht werden, bis vor Kurzem nur geringe Beachtung. Die vorliegende Dissertation befasst sich mit der Weiterentwicklung eines Uncertainty-Decoding-Verfahrens, namens REMOS (REverberation MOdeling for Speech recognition). Dieses dient zur Adaption der akustischen Modelle konventioneller Hidden-Markov-Modell basierter Spracherkennungssysteme an hallige Umgebungen. Durch die Einbettung eines konvolutiven Beobachtungsmodells wird der zu Grunde liegende Viterbi-Dekoder erweitert, um in jedem Dekodier-Schritt implizit eine Schätzung des späten Nachhalls zu bestimmen, was wiederum zu einer Abschwächung der bedingten Unabhängigkeitsannahme der Hidden-Markov-Modelle führt. In dieser Dissertation wird der erweiterte Viterbi-Dekoder des REMOS-Konzepts aus der Sicht der Bayes'schen Netzwerke hergeleitet. Die Methodik der Bayes'schen Netzwerke wird ebenfalls heran gezogen, um einen umfassenden Literaturüberblick zum Stand der Technik zu präsentieren und das REMOS-Konzept in den Kontext existierender modellbasierter Methoden zur robusten Spracherkennung einzubetten. Die Erweiterung des Viterbi-Dekoders führt innerhalb des REMOS-Konzepts auf ein nichtlineares Optimierungsproblem, das entscheidend vom betrachteten Merkmalbereich abhängt. Ein weiterer wesentlicher Beitrag dieser Dissertation stellt die Entwicklung numerischer Optimierungsverfahren für logarithmische melspektrale Merkmale, teil-dekorrelierte Frequenz-gefilterte Merkmale sowie für durch additive Störungen und Nachhall verfälschte Merkmale dar. Zur experimentellen Evaluierung wird der TI-Digit-Korpus mit gemessenen Raumimpulsantworten gefaltet und anschließend durch das REMOS-Verfahren sowie den drei folgenden Vergleichssystemen prozessiert: ein auf verhallten Daten trainiertes Erkennungssystem, ein mit einem Nachhallunterdrückungsverfahren kombiniertes Erkennungssystem sowie eine Erkennungssystem, das mit dem Constrained-Maximum-Likelihood-Linear-Regression-Verfahren adaptiert wurde. Es wird aufgezeigt, dass das REMOS-Konzept sowohl unter gleichen als auch unter ungleichen Trainings- und Testbedingungen zu sehr guten Spracherkennungsraten führt und außerdem eine schnelle Adaption an wechselnde akustische Umgebung erlaubt. Der Nutzen des Nachhallmodells des REMOS-Konzeptes wird ebenfalls bei zusätzlich aktiven Störgeräuschquellen belegt
Entwurf und Implementierung von Verfahren und Algorithmen in Transponderlesegeräten zur Optimierung der Übertragungseigenschaften von LF-Transpondersystemen
No full textDas Ziel dieser Arbeit liegt in der Optimierung der Übertragungseigenschaften von Low-Frequency-Transponderlesegeräten.
Der Fokus liegt auf der Entwicklung von neuen Verfahren und Algorithmen, die eine stabile Energie- und Datenübertragung mobiler Lesegeräte unter variierenden Umgebungseinflüssen ermöglichen. Besonders bei passiven Sensortranspondern, die zusätzlich zu einer Identifikationsnummer Messdaten an das Lesegerät übermitteln, stellt die Energieversorgung des Transponderchips und des Sensors eine Herausforderung dar. Um den Sensortransponder über das magnetische Feld mit ausreichend Energie zu versorgen, können mobile, akkubetriebene Lesegeräte für eine verbesserte Energieeffizienz mit einer Lesegerätespule hoher Güte versehen werden. Jedoch wird das Datensignal in einem Transpondersystem mit einer Lesegerätespule hoher Güte stark verzerrt und somit die Detektion der empfangenen Daten erschwert. Des Weiteren ist es insbesondere bei variierenden Umgebungseinflüssen schwierig, eine stabile Energieversorgung zu gewährleisten, weil die Übertragung der Energie - genau wie die der Daten - unter anderem von Parametern abhängig ist, die durch die Umgebung der Antennenspulen bestimmt werden. Dies konnte bereits mit Messungen des Basisbandsignals oder von Übertragungsfunktionen dokumentiert werden. Darüber hinaus existieren diverse Ansätze, um ein Transpondersystem zu simulieren. Die Verfahren nach dem Stand der Technik umgehen die Problematik variierender Übertragungsfunktionen maßgeblich durch den Einsatz von Antennenspulen niedriger Güte oder analogen Schaltungen, die die Übertragung für bestimmte Rahmenbedingungen stabilisieren sollen. Antennenspulen hoher Güte werden aufgrund diverser auftretender Probleme kaum eingesetzt.
Im Rahmen dieser Arbeit ist ein System gesucht, das sich bei Änderungen der Ausgangsbedingungen, sei es bei den Eigenschaften der Antennenspulen oder bei den äußeren Einflüssen, an die neue Umgebung adaptieren kann. Dabei wird die Frage untersucht, in welcher Art die variierenden Einflüsse, die von Bedeutung sind, simuliert werden können und wie das System auf dieser Basis optimiert werden kann.
Die Erkenntnisse fließen in die Entwicklung adaptiver Verfahren und Algorithmen für das Hardware-Front-End sowie für die digitale Signalverarbeitung ein. Die Übertragungsfunktionen des Transpondersystems werden in einem Modell, welches die äußeren Einflüsse auf die Antennen als variable Parameter mit einbezieht, in Matlab/Simulink simuliert. Ein Vergleich mit Messungen verschiedener Übertragungsfunktionen im Transpondersystem zeigt die Zuverlässigkeit des Modells.
Das verzerrte Basisbandsignal wurde zusammen mit anderen Signalen am Lesegeräte-Front-End auf Informationen untersucht, die eine Aussage über die Zuverlässigkeit des erkannten Symbols enthalten, welche in den Detektionsalgorithmen verwendet werden kann. Weiterhin wird ein Demonstrator eines adaptiven Kernmoduls für mobile Transponderlesegeräte vorgestellt. Dieser besteht aus einem digital gesteuerten analogen Front-End und einem FPGA, der von Matlab aus gesteuert werden kann. Mit Hilfe von digitaler Signalverarbeitung können in Kombination mit der dafür ausgelegten Hardware die Energieversorgung sowie die Datendetektion signifikant verbessert werden. Die im Rahmen dieser Arbeit entwickelten Verfahren sind energieeffizient, adaptierbar und mit geringem Hardwareaufwand zu implementieren. Bei der Decodierung von Basisbandsignalen, die mit Antennenspulen hoher Güte empfangen worden sind, kann die Bitfehlerrate gegenüber Maximum-Likelihood-Verfahren aus dem Stand der Low-Frequency-Transpondertechnik deutlich verringert werden. Durch Signalverarbeitung wird auch die Energieversorgung stabilisiert. Mit einem Verfahren zur Trägerfrequenzadaption wird je nach Umgebungseinfluss eine signifikant bessere Energieversorgung als mit adaptiven Verfahren nach dem Stand der Technik erreicht
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Independent Component Analysis für robuste Spracherkennung
No full textAutomatische Spracherkennungssysteme haben in den letzten Jahren rapide Fortschritte gemacht und sind in vielen Fällen vom Prototyp zu einem tatsächlich verwendbaren Werkzeug geworden. Allerdings sind diese Systeme nach wie vor äußerst empfindlich gegenüber Störgeräuschen, besonders, wenn sie instationär sind und im Frequenzbereich große Überlappungen mit dem Nutzsignal aufweisen. Um automatische Spracherkennung auch in solchen Fällen zu ermöglichen, wird in dieser Dissertation die Verwendung der Independent Component Analysis (ICA) zur Trennung von mehreren, gleichzeitig aktiven, Sprechersignalen untersucht und auf die Anwendung in der Spracherkennung hin optimiert. Zu diesem Zweck werden drei Neuerungen vorgeschlagen. Zuerst wird eine neue Lösung für das Permutationsproblem vorgeschlagen, das den Einsatz von ICA-Methoden in realen Räumen stark erschwert. Dieses Problem tritt auf, wenn die ICA in jedem Frequenzband separat angewandt wird, da die ICA zu zufälligen Vertauschungen in der Reihenfolge der Ausgangssignale führt. Mit Hilfe eines statistischen Modells für die Einfallsrichtung des Nutz- und des Störsignals wird in dieser Dissertation eine Lösung angeboten, die eine Konvergenzgarantie, zumindest zu einem lokalen Optimum, liefern kann. Zum zweiten wird die Verwendung von Zeit-Frequenzmaskierung für ICA-Ausgangssignale beschrieben und untersucht. Zur Verbesserung der ICA-Ergebnisse wird dazu geschätzt, in welchen Zeit-Frequenzstützstellen der Zielsprecher und in welchen der Störsprecher bzw. das Störsignal dominiert. Aufgrund dessen kann mit einer nichtlinearen Nachverarbeitung die Trennungsqualität deutlich verbessert werden. Gegenüber anderen Zeit-Frequenzmaskierungsmethoden hat diese Vorgehensweise den Vorteil einer größeren Robustheit gegenüber Störungen und Rauschen. Weiterhin können mit der vorgeschlagenen Methode auch verhallte Signale verarbeitet werden. Während so durch Zeit-Frequenzmaskierung die ICA-Ergebnisse in Bezug auf das Signal-Störverhältnis deutlich verbessert werden können, erhöht sich die Leistung des Spracherkenners nicht wesentlich und kann in einigen Situationen sogar sinken. Dieses Problem lässt sich durch die starken Veränderungen in den für den Erkennungsprozess relevanten Sprachmerkmalen erklären, die die Maskierung mit sich bringt. Deswegen wird als dritter Aspekt dieser Arbeit eine neue Methode vorgeschlagen, statistische Informationen von der Vorverarbeitungsstufe, also der zeit-frequenzmaskierten ICA, zum Spracherkennungssystem zu übertragen und dort zur verbesserten Erkennung zu verwenden. Dadurch wird es möglich, dem Spracherkenner Konfidenzwerte für jedes Sprachmerkmal in jedem Zeitfenster zu übertragen. Die vorgeschlagene Methode basiert auf der “Unscented Transformation”, wodurch der Rechenaufwand vergleichsweise gering gehalten und eine große Flexibilität in Bezug auf die Art der Spracherkennermerkmale ermöglicht wird. Mit Hilfe der so übertragenen Unsicherheitsinformation wird dann eine robuste Erkennung des gestörten Sprachsignals unter Berücksichtigung der durch die Maskierung entstandenen Verfälschungen möglich. Insgesamt werden mit den neuen Methoden bessere Erkennungsraten erreicht, als es entweder mit ICA allein oder mit einer Kombination von ICA und Zeit-Frequenzmaskierung möglich ist. Um dies zu belegen, werden Ergebnisse für künstlich überlagerte verrauschte Sprachsignale und für reale Überlagerungen zweier Sprecher aus Kraftfahrzeug- und Laboraufnahmen präsentiert und mit den Ergebnissen von Standard-ICA-Verfahren in Bezug auf die Trennungsqualität und Erkennungsrate verglichen.Automatic speech recognition systems have seen a rapid development in recent years, and in many cases they have evolved from prototypes to actually useful and productive tools. Despite this progress, however, speech recognizers are still highly sensitive with respect to noise and interferences, especially when these are instationary and show a large frequency domain overlap with the speech signal of interest. In order to make speech recognition applicable in such cases as well, this thesis investigates the use of Independent Component Analysis (ICA) for separating a number of simulta-neously active speech signals and describes its optimization for the task of speaker-speaker separation. For this purpose, three aspects of the robust recognition problem are solved by novel methods. Firstly, a new solution is shown for the permutation problem, which makes ICA in real-room conditions a difficult task. The permutation problem arises, when ICA is applied in each frequency bin separately, since ICA outputs are only given in an arbitrary re-ordering which may differ from frequency bin to frequency bin. In this thesis, a statistical model for the direction of arrival of the target and the interfering speaker is used for a solution, which can also offer a convergence guarantee at least to a local optimum. Secondly the use of time-frequency masking as a postprocessor of ICA output signals is described and evaluated. To improve separation results, the method finds the time-frequency points where the target is dominant and those points, where it is dominated by interference. Subsequently, those assignments can help to improve separation quality by a newly suggested nonlinear postprocessing. Compared to other methods of time-frequency masking, the new approach offers greater robustness with respect to interferers and noise as well as to reverberation in the environment. While such time-frequency masking can significantly improve ICA results regarding the signal to interference ratio, the quality of subsequent speech recognition does not improve notably and may even deteriorate in some conditions. This problem can be explained by the large changes that time-frequency masks cause in the features relevant for speech recognition. Therefore, as a third aspect of the thesis, a new method is derived for using uncertainty information from the preprocessing stage, i.e. the time-frequency masked ICA, in the speech recognition itself. By using the „Unscented Transform“, this uncertainty information is transformed from the time-frequency domain to the domain of the recognizer, where it is used for more robust recognition by giving information about the estimated distortions in the preprocessed speech signal. In its entirety, the new methods lead to better recognition results than those achieved by using only ICA, with or without time-frequency masks. To show this, experiments are performed for artificially mixed noisy speech signals and for real-room recordings of two simultaneously active speakers in reverberant rooms and in a car, and comparisons with standard ICA approaches are given regarding separation quality and recognizer performance
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Automatic speech recognition using missing data techniques: Handling of real-world data
No full textItem does not contain fulltex
Hybride KI-Systeme für die automatisierte Moderation und Analyse von Inhalten
No full textAutomated content moderation in a modern sense starts taking many forms: moderating social media, debates, therapy diaries and student learning processes such as essay writing. To tackle these tasks one can apply different AI techniques, such as classifications, information retrieval, chatbots, symbolic logical reasoners, and sometimes all of the above, combining them into so-called hybrid AI systems. Combining and running multiple AI components with different characteristics in a connected manner, or employing one model to elucidate another, emerges as a viable alternative to end-to-end systems. This is primarily because of their manageable and transparent nature, offering a potential improvement over end-to-end systems. Additionally, they may provide a more accurate representation of the various elements found in human cognition, blending resilient learning with rapid pattern recognition alongside reasoning facilitated by logical operations. In this thesis, two instances of hybrid AI systems are developed in combination with two content moderation use cases. “Check News in One Click” is a web application designed for streamlined news verification. It incorporates a fusion of statistical linguistic, transformer-based, and rule-based components that I developed and integrated into a productive system with a user-friendly interface. Specifically, this application specializes in verifying content from both conventional news sources and social media news channels, with a focus on identifying manipulative language and the presence of pro-Kremlin propaganda, which became a major problem in light of the Russian invasion of Ukraine. PapagAI is an online platform for higher
education students, where I created, combined and implemented an AI module for automated moderation of reflective essays using supervised models, a clustering, a linguistic processing module and a heuristic determiner which mines a prompt database for appropriate questions and amelioration suggestions. Through this application, my objective was to address the German educational system’s requirement for improving teacher trainee retention rates at universities and easing the workload of tutors by streamlining the feedback process. In addition to the user tests, to evaluate the developed systems, here I also discuss questions related to the Ethics of AI, the European Union legal framework regarding automated content moderation, as well as the interpretability and sustainability of deep learning models
- …
