Automatische Detektion von Sprecherwechseln in sprecheradaptiven Spracherkennungssystemen

Ein Verfahren, welches es ermoglicht automatisch zur Laufzeit des Systems zu erkennen, ob der Sprecher wechselte, bzw. welcher (sprecherabhangige) Datensatz fur den aktuellen Sprecher der richtige ist. Dies wird mittels eines Spracherkennungssystem erreicht, welches auf sogenannten Semi-Continuous Hidden Markov Modellen (SCHMM) basiert. In Zusammenhang mit der Klassifikation auf Basis der Semi-Continuous Hidden Markov Modelle werden Codebucher erstellt, welche aus n-dimensionalen Normalverteilungen bestehen. Dabei wird jede Normalverteilung durch ihren Mittelwertvektor µ und ihre Kovarianzmatrix K reprasentiert. Im Rahmen einer Sprecheradaption werden in der Regel die Parameter dieser Normalverteilungen, also Mittelwerte und/ oder Kovarianzmatrizen, sprecherspezifisch verandert. Dieser sprecherspezifische Datensatz wird dann zusatzlich zum sogenannten Baseline-Datensatz, welcher einem sprecher-unabhangigen Codebuch entspricht, abgespeichert. In erfinderischer Weise korreliert das Spracherkennungssystem das Sprachsignal mittels Vektorquantisierung mit dem sprecherunabhangigen und den sprecher-abhangigen Codebuchern. Auf Grundlage dieser Korrelation ist es dem Erkennungssystem sodann moglich das Sprachsignal einem dieser Codebucher zuzuordnen und somit die Identitat eines Sprechers festzustellen.