Techniques neuronales pour l'adaptation a l'environnement d'un systeme de reconnaissance automatique de la parole

Cette these etudie l'apport des reseaux de neurones de type perceptrons multicouches pour des applications a la reconnaissance automatique de la parole en milieu bruite. Pour ce faire, nous avons developpe un algorithme robuste et nous l'avons incorpore en differents points d'un systeme de reconnaissance de mots isoles mono-locuteur utilisable dans des ambiances calmes (rapport signal a bruit superieur a 10 db). Afin d'evaluer l'apport de telles techniques, nous nous sommes appliques a comparer systematiquement ces approches avec d'autres plus classiques. Ce travail comporte principalement trois points novateurs. Premierement, nous avons introduit une nouvelle technique de filtrage par un reseau de neurones et nous l'avons comparee en termes de resultats de reconnaissance, de qualite, et de distorsions introduites avec des techniques lineaires. Deuxiemement, nous avons developpe un filtrage spectral de la parole par perceptrons multicouches partiellement connectes. Cette technique permet une amelioration notable du rapport signal a bruit des signaux traites et ameliore la reconnaissance. On obtient des signaux de meilleure qualite que ceux obtenus par soustraction spectrale lineaire. Enfin, l'etude de transformations parametriques par perceptrons multicouches permet une bonne adaptation au bruit de notre systeme et donne des resultats legerement meilleurs que la technique de regression multiple