Chulalongkorn University Theses and Dissertations (Chula ETD)

การรู้จำเสียงตัวเลขภาษาไทยแบบไม่ขึ้นกับผู้พูดโดยใช้แอลพีซี และนิวรอลเน็ตเวิร์กแบบแบ็กพรอพาเกชัน

Other Title (Parallel Title in Other Language of ETD)

Speaker-independent Thai numeral speech recognition using LPC and the back propagation neural network

Year (A.D.)

1996

Document Type

Thesis

First Advisor

สมชาย จิตะพันธ์กุล

Faculty/College

Graduate School (บัณฑิตวิทยาลัย)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมไฟฟ้า

DOI

10.58837/CHULA.THE.1996.1787

Abstract

การวิจัยครั้งนี้มีจุดมุ่งหมายเพื่อพัฒนาวิธีการรู้จำเสียงตัวเลขภาษาไทยโดยใช้นิวรอลเน็ตเวิร์กแบบแบ็กพรอพาเกชัน ลักษณะเด่นของเสียงพูดหาได้โดยใช้ปการประมาณพันธะเชิงเส้น (แอลพีซี) ชุดของสัมประสิทธ์การประมาณพันธะเชิงเส้นใช้เป็นข้อมูลอินพุตสำหรับนิวรอลเน็ตเวิร์ก กลุ่มข้อมูลที่ใช้เป็นเสียงตัวเลขพยางค์เดียวคือศูนย์ถึงเก้า และตัวเลขสองและสามพยางค์จำนวน 12 คำ กลุ่มคนในชุดฝึกมีจำนวน 30 คน กลุ่มคนในชุดทดสอบมีจำนวน 12 คน ผลการวิจัยพบว่าผลการรู้จำแบบไม่ขึ้นกับผู้พูดเท่ากับ 89.4% สำหรับพยางค์เดียว และเท่ากับ 84.7% สำหรับคำ 2 และ 3 พยางค์

Other Abstract (Other language abstract of ETD)

This research has the objective to develop speaker-independent Thai numeral speech recognition using back propagation neural network. Feature of speech is extracted by linear predictive coding (LPC). Set of LPC coefficients is used as input data for neural network. The data set is divided into 2 groups: 1.zero to nine Thai digits 2 12 words of two and three syllables numeral speech. Number of persons in the training set is 30 persons. Other 12 persons are deployed in the test set. The result of this research show that speaker-independent recognition rate is 89.4% for one syllable speech and 84.7% for two and three syllables speech.

Link to Full Text

Share

COinS