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

La modelisation neuro-predictive pour la classification phonetique de la langue arabe est une branche de la reconnaissance automatique de la parole qui suppose l’application de deux processus fondamentaux :la para metrisationdu signal de parole et le decodage phonetique. La para metrisationacoustique a pour but d’extraire l’information pertinente du signal acoustique afin de fournir une description aussi complete et representative que possible. Sa mise en œuvre repose essentiellement sur des methodes issues du traitement du signal. Le decodage phonetique consiste a classifier des formes acoustiques en vue de la reconnaissance. Differents decodeurs ont ete utilise (Modeles de Markov Caches, Ondelettes, Reseaux de neurones……etc.) ayant chacun leur propre algorithme d’apprentissage. Dans la litterature, nous avons constate que le processus de parametrisation acoustique et le processus decodage (classification) utilisent des criteres d’optimisation differents, alors qu’ils ont pour objectif commun la reconnaissance des unites phonetiques. Dans ce papier, Nous allons proceder a la mise en forme d’un signal de parole que l’on injectera dans un reseau de neurone MLP(Multi Layer Perceptron) et ensuite faire une comparaison entre les resultats 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.