Reconnaissance de la parole arabe par les supports vecteurs machines (SVM)

Abstract

Si l'homme a la faculté de comprendre un message vocal provenant d'un locuteur quelconque, dans des environnements souvent perturbés, quelques soient son mode d'élocution, la syntaxe et le vocabulaire utilisés, la machine est-elle capable d'en faire autant ? Une solution peut-elle répondre en globalité à ces difficultés ? Le problème de la reconnaissance vocale est un sujet d'actualité et pour l'instant, seules les solutions partielles sont aptes à répondre aux différentes tâches que la machine doit effectuer. Ce document est destiné à la conception et à la réalisation d’un système de saisie à l’aide des commandes vocales basée sur l’apprentissage par SVM (support vector machines) l’une des méthodes d’apprentissage inspirée de la théorie de statistique de l’apprentissage de Vladimir Vapnik. C’est une méthode de classification binaire par apprentissage supervisé qui fut introduite par Vapnik en 1995. Cette méthode se base sur la recherche d’un hyperplan séparateur entre les classes dans la phase d’apprentissage et l’utilisation d’une fonction de décision dans la phase de décision. Une commande vocale issus d’un locuteur passe par une succession d’opérations (Acquisition, Segmentation et extraction de vecteur acoustique, Classification, exécution ou calcul et synthèse de résultat) afin qu’elle soit interprétée et exécutée. Le signal acoustique est premièrement numérisé, ensuite soumis à la méthode LPC pour extraire un vecteur caractéristique. Ce dernier est comparé ensuite par la méthode SVM à d’autres vecteurs pour trouver un ressemblant dans une base de sons. Une fois la classe trouvée la commande est décodée et exécutée.