Système de reconnaissance automatique de l'Amazighe et analyse des formants pour le diagnostic vocal

Abstract

La parole est la forme la plus naturelle de la communication humaine. Elle est délectable, déchiffrée et par conséquent reconnue. La reconnaissance automatique de la parole (RAP) est faisable grâce à des systèmes bien développés. Il s’agit d’une méthode de décodage du signal vocal capturé par le microphone pour le convertir ensuite en mots. Cette technologie est entrain de connaitre une grande évolution non seulement dans les domaines industriels et publics où ces techniques intègrent les appareils électroniques utilisés quotidiennement, mais aussi dans d’autres domaines tels que l'éducation, le médical, le militaire, etc. L’objectif de cette thèse est la réalisation des systèmes de reconnaissance et de diagnostic basant sur les formalismes statistiques Markovien pour modéliser les mots prononcés à base des unités phonétiques élémentaires. Notre première système de la reconnaissance était créé pour reconnaitre les locuteurs fumeurs via utilisation les techniques et les algorithmes de la reconnaissance automatique de la parole. Pour bien confirmer notre étude, nous avons examiné la voix humaine de 40 adultes (20 fumeurs et 20 non-fumeurs) afin de déterminer les effets du tabagisme sur les paramètres vocaux humain en s’appuyant sur 3 voyelles de la langue Amazighe (A, I, U). Après avoir acquis des résultats favorables concernant le diagnostic des fumeurs, nous avons commencé à construire un deuxième système de reconnaissance automatique de la parole permettant de diagnostiquer la parole des personnes atteintes de troubles de voix. Ce projet de recherche est réalisé en langue Amazighe. Son objectif est de distinguer entre les voix normales, celle des fumeurs et pathologiques. Afin de développer un système au milieu réel, nous avons étudié l’effet du bruit sur les dix premiers chiffres Amazighs dans des conditions bruyantes d'un point de vue RAP basé sur le rapport signal sur bruit en anglais signal-to-noise ratio (SNR). Nos expériences de tests ont été réalisées sous deux types de bruits et répétées avec un bruit environnemental supplémentaire avec différents rapports SNR pour chaque type allant de 5 dB à 45 dB. Les performances de nos systèmes ont été mesurées en utilisant des combinaisons des états MMC avec des distributions de mélange gaussiennes. Nos résultats obtenus sont très satisfaisants.