MODELISATION NEURO-PREDICTIVE POUR LA CLASSIFICATION PHONETIQUE DE LA LANGUE ARABE

Abstract

La modélisation neuro-prédictive pour la classification phonétique de la langue arabe est une branche de la reconnaissance automatique de la parole qui suppose l’application de deux processus fondamentaux : la para métrisation du signal de parole et le décodage phonétique. La para métrisation acoustique a pour but d’extraire l’information pertinente du signal acoustique afin de fournir une description aussi complète et représentative que possible. Sa mise en oeuvre repose essentiellement sur des méthodes issues du traitement du signal. Le décodage phonétique consiste à classifier des formes acoustiques en vue de la reconnaissance. Différents décodeurs ont été utilisé (Modèles de Markov Cachés, Ondelettes, Réseaux de neurones……etc.) ayant chacun leur propre algorithme d’apprentissage. Dans la littérature, nous avons constaté que le processus de paramétrisation acoustique et le processus décodage (classification) utilisent des critères d’optimisation différents, alors qu’ils ont pour objectif commun la reconnaissance des unités phonétiques. Dans ce papier, Nous allons procéder à la mise en forme d’un signal de parole que l’on injectera dans un réseau de neurone MLP(Multi Layer Perceptron) et ensuite faire une comparaison entre les résultats obtenus par les MFCC()Mel Frequency Cepstral Coding et NPC(Neuronal Predictive Coding).Notre contribution sera sans doute l’implication da le langue arabe dans ce processus