Algoritmo para Redução do Número de Parâmetros de Modelos HMM Utilizados em Sistemas de Reconhecimento de Fala Contínua

Os Sistemas de Reconhecimento de Fala baseados em modelos HMM têm sido utilizados nos últimos anos em várias aplicações embarcadas que requerem processamento em tempo real, tais como telefones celulares e automóveis. Neste contexto, um importante aspecto que deve ser considerado é o tamanho dos modelos HMM, o qual está diretamente relacionado com a carga computacional do sistema e com a estimação confiável de parâmetros. Os trabalhos anteriores nesta área têm utilizado medidas de verossimilhança para a obtenção de modelos que apresentem um melhor compromisso entre resolução acústica e robustez. Este trabalho apresenta um novo método baseado em uma Medida de Importância da Gaussiana (GIM), utilizada em um Algoritmo de Eliminação de Gaussianas (GEA), para a determinação da complexidade mais apropriada do HMM. Os resultados serão comparados com o método clássico do Critério de Informação Bayesiana (BIC) e com um critério discriminativo.