TELKOM NIKA , Vol. 11, No. 5, May 2013, pp. 2731 ~   2738   ISSN: 2302-4 046           2731      Re cei v ed  De cem ber 1 8 , 2012; Re vi sed  March 19, 20 13; Accepted  March 26, 20 13   Wavelet  Cesptral Coefficients f o r Isolated Speech  Recognition      T. B.  Adam * 1 , M. S .  Sala m 1 , T.  S. Gu na w a n 2  1 School of Co mputin g   Univers i ti T e knolo g i Mal a ysia,  8130 0 Skud ai,  Johor, Mala ys i a   2 Departme n t of Electrical a nd  Comp uter Engi neer ing   Internatio na l Islamic Univ ersit y  Mala ysi a   *Corres p o ndi n g  author, e-ma i l : tarmizi_a dam 200 5@ ya ho o.com, sah@utm. m y , tsgun a w a n @ iium.e du.m y       A b st r a ct   T he study  pr o poses  a n  i m p r oved  featur e  extrac tion   met hod  that  is ca lled  W a ve let  Cepstra l   Coeffici ents (W CC). In traditiona l cepstra l  analys is,  the  cepstru m s are  calcul at ed w i th the us e of t h e   Discrete F o uri e r T r ansfor m  ( D F T ) . Ow ing t o  the f a ct  that  the DF T  ca lc ulati on  assu mes sig n a l  stati onary   betw een fra m e s  w h ich in pra c tice is  not qu ite true, the W CC repl aces t he DF T  block  in the trad ition a l   cepstru m  ca lcu l atio n w i th the  Discrete W a v e l e t T r ansfor m  ( D W T ) hence  p r oduc ing t he  W CC. T o  eval uat e   the prop ose d  W CC, speech  recog n itio n task of rec ogni z i n g  the 26 Eng l i s h alp hab ets w e re conducte d .   Co mp ariso n s  w i th the traditi o nal M e l-F r eq ue ncy Ce pstr al C oefficie n ts (MF CC) are  do ne t o  further a n a l y z e   the effectiveness of the WC Cs. It  is found that the WCCs show ed  some com p arable results when  compar ed t o  t he MF C C s co nsid erin g th e  W CCs s m al l v e ctor d i mens io n w hen  co mpa r ed to  the  MF CCs .   T he best rec o g n itio n w a s foun d from W CCs  at leve l 5  of the DW T  deco m positi on w i th a  sma ll d i fferenc e  o f   1.19%  an d 3.2 1 % w hen c o mpare d  to the M F CCs fo r spea ker ind e p e n d e n t and s p e a ker  dep end ent tas k s   respectively.     Ke y w ords : Speec h reco gni tion, Speec h  process i ng, C epstral a nalys i s , W a velet T r ansfor m , F eatur e   Extraction    Copy right  ©  2013 Un ive r sita s Ah mad  Dah l an . All rig h t s r ese rved .       1. Introduc tion  Feature extra c tion (FE )  co uld be se en  as on e  of the most signifi cant pha ses in  Speech  Re cog n it ion  ( S R)  sy st e m s.  The  FE   pha se i n  S R   sy st ems  play s a   major  r o le i n   t he a c c u r a cy   of  the SR sy ste m . In othe r  word s, in  o r de r to o b tain  reli able  accu ra cy for S R   syst ems the fe ature  extraction ph ase sho u ld yield  spe e ch   feature s   th at are ea sy  to discrimin a te and  cla s sify  betwe en diffe rent cla s se s.  Traditio nally, the mo st do minant a nd  p opula r  f eatu r e extra c tion t e ch niqu e is the Mel - F r equ ency   Ceps tral  Coeffic i ent (MFCC) [1, 2]. It  was   sh own by Davis an d Merm elstei n that MFCCs  outperfo rme d  seve ral othe r spe e ch featu r es thu s   ma ki ng it the mo st  widely u s e d   feature fo r SR   sy st em s [ 3 ] .   Ho wever, M F CCs suffer from several probl ems  [4]. Experiments sho w ed  that the   MFCCs be ha ved po orly u nder noi sy  condition s.  M F CC featu r e s  extra c ted fro m  noi sy spe e ch  sign al  sho w e d  redu ced  a c curacy  [5]. Another i s sue  rega rdi ng M F CCs i s   rel a te d to th e fixe d   wind ow o r  fra m e use d  wh e n  comp uting the MFCCs [6]. With fixed frame  size, sp eech sam p le s  lying betwe e n  the frame s  are a ssu me d to be stat io nary. Unfo rtu nately, this assumption i s  not  true a s  sp ee ch si gnal s te nd to be no n - station a ry  in  nature. Th us, information  su ch a s  plo s i v e   s o unds  is  diffic u lt to extrac t  [7, 8].   With fixed fra m e si ze, ab ru pt chan ge s a nd localized  events such  as sha r p tran sition s in   spe e ch  sign als  can not b e  a nalyze d  o r  ex tracted   with t he u s e  of MF CCs. T h e s e l o cali ze d even ts  may contai n  signifi cant i n formatio n that may  be  importa nt to furthe r increa se the  sp eech  recognitio n   system a c cura cy [9, 10]. As an exa m pl e,  more info rm ation fro m  th e spee ch  sig nal  must be retai ned from a c o u stic  confu s a b le wo rd s.  To add re ss t hese issue s , wavelet s  ha s been of pa rticular inte re sts.  The use of Discrete   Wav e let  T r an sform ( D WT ) or Wav e let  P a c k et  Tr an sfo r m (WPT) fo r feature extra c tion h a s  bee n   sho w n i n  several  wo rks. In  this pa pe r, we propo se a  set of new feat ure s   called  Wavelet Ce pstral  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046   TELKOM NIKA  Vol. 11, No . 5, May 2013 : 2731 – 273 8  2732 Coeffici ents  (WCC) fo r i s olated  spo k e n  Engl i s h al phab et re co gnition. Here , the WCC  are  prop osed to remedy the issue s  po sse s sed by MFCCs.  The re st of the pape r is st ructured a s  follows , se ction  2 review  som e  related  wo rks that  use s   wavel e ts a n d  wavel e t ce pst r um.  Sectio n 3  reviews  som e  theo retical a nd m a themat ical   backg rou nd  u s ed  in thi s  p a per. Se ction  4 and   5  expl ains the m e th od an d the  propo sed fe atu r e   extraction. S e ction 6 expl ains t he exp e rime ntal verification. Whil e in sectio ns 7, 8 and 9  we  pre s ent the result s, discu s sion s an d co nclu sio n s respectively.      2. Backg rou nd  Sar i kaya et al . [5] used WP T to repla c e t he Di screte  Co s i ne  T r an s f or m (D C T )  to  ob ta in  a   set of feature s  call ed Wavelet Packet Parame te rs (WPP). Wu a nd Lin propo sed a n  Irre g u lar  Wavelet Packet de comp o s ition feature  base d  on  the energy of an uttered  word in orde r to   improve  the perfo rman ce spe a ker  ide n t ificati on syst ems [11]. Th eir propo sed  method ap pli e s   the WP deco m positio n to frequ en cy regi ons that  are observed to  have high en ergy value s  a s  a  final result 96 .6% reco gniti on rate were obtaine d.  DWT we re al so u s ed by G o wdy and T u fekci to  obtain  a new feature vector calle d Mel- Freq uen cy Di screte Wavel e t Coefficient s (MF D WC) [9]. The MFDWC  were obtained by appl ying   DWT to the Mel-scaled lo g filterban k e nergi es  of a spe e ch fram e. Results showed that the   MFDWC p e rf orme d better  in terms of re cog n ition ove r  other featu r es that we re  use d  for the test.  The u s e of  Admissible  Wavelet Pa cket (A WP) b y  Farooq  an d Datta to reco gni ze   phon eme s   showed  good  re sults whe n  compa r e d   to MFCCs [ 12]. Thei r p r opo sed  FE  also  yielded  better re sult s tha n   MFCCsund er differe nt  types of  noi se.  The use  of (AWP) we re   a l so  prop osed by  De shp ande  a nd Holamb e  [13]. Here,  the autho rs pro posed a f ilter stru cture tha t   best represe n ts the sig nal  without  takin g  any human  auditory scal e into con s id eration fo r use in   spe a ker ident ification  appli c ation.Th us,  i t  can  be   con c luded  from  th ese  stu d ie s t hat the  wavel e t  can b e  utilized in feature extractio n  pha se to  increa se  spee ch re cognitio n  accuracy. The   experim ents  also sugg est  that wavelets can b e   use d  as an alternative to MFCCs for feat ure  extraction.     2.1. Wav e lets and Ce pstr um Calculati on  Several  wo rks h a ve be en  done  in u s in g  wavel e ts fo r  comp uting th e cep s trum  a s  in  [1,  14, 15]. The paper by Kinney [14] propo sed de co mposi ng the spe e ch sign a l  using wavel e t  packet  t r an sf orm   (WPT) and  th en cal c ulating  th e  re al  cep s trum   for each coeff i cient s  o r  ato m s   obtaine d fro m  that deco m positio n. Promisin g  re sul t s were obtai ned for text-d epen dent sp e a ke r  recognitio n   consi deri ng th e metho d s few fe at ure  coeffici ents. It  wa s  sh own that 90%  of  spe a kers we re recogni ze d whe n  usi ng 9  training vect ors.   In [15]  a wa velet based  cep s tru m  cal c ulatio n wa s  prop osed. Th e pro p o s ed  wavelet  based cal c ul ation wa s used for pitch  extraction in  spe e ch sign a l s. Different types of wav e let  family were u s ed to find th e optimal accura cy for pitch extraction.   Re cently, Pavez and Silva [1] propo ses the  Wav e let Packet Cep s tral  Co efficients  (WP CC) a s  a n  altern ative to filt er-ban k  energy ba sed  feature extr a c tion. In their work, detaile d  filter de sign   were  pre s e n ted to  obtain  t he  WPCC  as an  alternative to th e  wide ly use d  M F CCs.   Re sults  sho w  that the WPCC a r e b e tter than MF CCs and h a s th e ability to retain more p h one   discrimi nating  information i n  the spe e ch sign al at lowe r frequ en cy range s.       3. Theore t ic al Backg rou nd  3.1. Ceps tral  Analy s is   Cep s tral  an al ysis i s   an i m portant  con c ept in  many t a sk  related  t o  spee ch  p r o c e ssi ng .  For exam ple,  cep s trum  could be u s e d  for pitch d e tection a n d  formant esti mation. Also,  the   MFCC as  previously stat ed is al so  co nsid ere d   to b e  a ce pstral analysi s  met hod in which  the   analysi s  i s  do ne in the  Mel  freque ncy  scale.Com putin g the  cep s tral  coeffici ents for e a ch spee ch   frame involve s  three  step s  (refe r to Figu re 1):   1.  DFT of the sp eech frame.   2.  Log en ergy spectrum calculation.   3.  DCT of the lo g energy spe c trum.   A frame of sp eech is first  subje c ted to the DFT with th e followin g  eq uation.   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Wa velet Cesptral Co efficie n ts for Isol ate d  Speech Re cog n ition (T.  B.  Adam )   2733   1 0 2 ) ( ) ( N n N kjn w w e n s K S  (1)     Next, the spe c trum u nde rg oes lo g po we r cal c ulatio n to obtain the l og po wer  spe c trum.     2 ) ( log K S m w k  (2)     Finally, taking  the DCT of the log po we r spe c tru m  yields (3 )      N k k i k N i m N c 1 5 . 0 cos 2   (3)     Whe r e  i c  is the cep s trum o r   cep s tral  coeff i cient.       Figure 1. Block di agram of  cep s trum  cal c ulatio n          3.2. Mel-Freq uenc y  Cepstral Coe fficie n ts   As mention e d  in Section  1 the MFCC is  the m o st widely u s ed feature for sp ee ch  recognitio n  p u rpo s e. Com puting the MF CC fro m   a given sp ee ch si gnal follo ws  several ste p s.   First, the   spe e ch i s  pa ssed t o  a  pre-e m pha sis filter  with th e form   of 1 1 ) ( z a z H pre pre whe r e a ty pical valu e o f pre a is usually n ear  -1 [16].  Next the spe e ch  sign al is fram ed and  wind o w ed.   The du ration  of the frame are u s uall y  set to 256 sampl e s  with 128 sa mples of  overlap p ing  betwe en  the frame s  while th e  hammin g  wind ow  with the f unctio n   T t n w 2 cos 46 . 0 54 . 0 ) ( is u s ed. T h e n , for ea ch  wind owed  sp eech fram e the di screte   Fouri e r T r an sform (DFT ) is com puted  an d the po we r  spectrum of th e DFT i s   binn ed with  a set  of  Mel-scaled t r i angul ar filterb ank.  Next, th e log a rithm  of the mel - spe c tral coefficie n t s is taken. T h e   final  ste p   i s  applying   the discrete  co si ne tran sf orm  (DCT) to the logarith m  sca l ed mel-spe c t r al  coeffici ents to  obtain the MFCCs. A deta iled co m putat ion of the MFCC i s  pre s e n ted in [3].    3.3. Discre t e  Wav e let Transform   A wavel e t is a  sh ort  osci llating  sign al  or fun c tion   that ha s  a fi nite du ratio n  with  an   averag e valu e of zero. Given a  discrete  si gnal ) ( n s with pe rio d N ,  the Disc rete Wavelet   Tran sfo r m (DWT) of the si gnal is:       n m n s n DWT N m j j 1 0 * 2 2 ,  (4)     Whe r e  j  is the level of deco m positio n an d     j n n j 2 2 1 2  (5)     Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046   TELKOM NIKA  Vol. 11, No . 5, May 2013 : 2731 – 273 8  2734 The  DWT de comp oses an  input  sign al  into a  set of  approximatio n and  detail  coeffici ent. T he  approximatio n is re cu rsiv ely decom po sed into a  binary tree li ke  stru cture le aving the det ails  without furthe r decomp o siti on.    3.4. Neural Net w o r k Clas sifier   A multilayer percept ron (MLP) ba ck p r opa gation  with adaptive learni ng rate Neu r al   Network (NN) was em ploye d  to train and  cla ssi fy all the 26 English alpha bets. Depen ding on t he  feature s  u s e d , the input  node to the  NN  cla s si fier woul d  have 800  for MFCC,  90  for WCC at  level 8, 60 at level 5 and 4 0  at level 3.  The le arning   rate a nd th e  momentum  coeffi cient  of the  NN were   varied to  obt ain the   best  re co gnition  rate. Fo r t he  cla ssifi cati on, the i nput feature s  we re   no rmali z ed   b e twee n -1 an d  1 in which  1  indicates tru e  cla s sificatio n  whil e  -1 i n dicat e s f a l s e  cla ssi fic a tion. The ac tivation   function  for the  NN is the  hype rboli c  t ange nt  a c tivation fun c tion  as it  gua ra ntees the  outp u t to   fall betwe en this rang e.Th e hyperboli c   tangent a c tivation fun c tion  also  sp eed s up the lea r ni ng  pro c e ss of th e NN [17]. Th is activation f unctio n  wa s u s ed for  both h i dden a nd out put node s.       4. Method   We  propo se  that the  DF T  block i n  Fi gure 1   be   re pla c ed with  th e DWT be cau s e  of  the  advantag es o f  the  wavelet  tran sform. T he  coeffi ci ent s from th e  DWT  of the  sp eech  sign al a r e   then subje c t ed tolog  po wer  sp ect r u m  and  DCT. The final o u tput is  wha t  we call Wavelet  Cep s tral  Coe fficient (WCC).For ea ch  WCC comput ed from the  DWT  c oeffic i ents , only the  firs t  ten co efficien ts from e a ch  WCC a r e  con c aten ated (F i gure  2) to fo rm the ov erall  feature ve ctor of  the WCC.     4.1. Data bas e    The spee ch  sampl e s  use d  for trai nin g  and te stin g we re fro m  the stan dard TI46 isolat ed   alpha bets. Th is Dataset of isolate d  spee ch u tte ran c e  wa s devel op ed by Texa s I n stru ment s (TI).  Although th e  data s et  co ntains  both  isolate d  alp h abet a nd di git sp ee ch  reco rdin gs th e   experim ents  con d u c ted on ly used  alph a bets. Overall,  the TI46  databa se contai ns 16 spea ke rs,  eight female  spe a kers (F1  to F8) and ei ght male sp e a ke rs  (M1 to M8). Each of  the alpha bets A  to Z was uttered 16 times from each sp e a ke r.          Figure 2. Pro c e ss of obtai ning WCC fro m  DWT  coeffi cient s  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Wa velet Cesptral Co efficie n ts for Isol ate d  Speech Re cog n ition (T.  B.  Adam )   2735 To trai n the   NN, five fem a le  spea ke rs F1 to  F5  an d thre e m a le  spe a kers M 1 , M2 a nd  M3  were  use d . Thu s , th e  tests we re  condu cted   in   either spea ke r d epe ndent   (SD) o r   sp ea ker  indep ende nt (SI) mod e . SD involve s  testing the  trai ned NN cla s sifier with  the   same sp ea kers  that were us ed for training while SI tes t s were   con d u c ted with the o nes n o t use d  for trainin g .      5. Proposed  Feature Extr action   The first st ep  in comp uting  the p r op ose d  WCC is sp eech en d p o i n t dete c tion o r  sil e n c e   removal. Here, the silence  at the beginning and e n d  of the speech is omitted. Then the spe e ch   unde rgo e s  pre-em pha si s filtering, frami ng and  win d o win g  as  explaine d in se ction 3.2 fo r the  MFCC cal c ul ation. Next, instea d of un derg o ing t he  DFT (A s in Section 3.1 )  th e spe e ch fra m es  a r e d e c o mp os e d  w i th th e  D W T   ( R e f er   Se c t io n 3 . 3). T he co efficie n ts  p r o d u c ed  from  the  DWT  are  then subj ecte d  to  l og po we r spe c tru m   a nd DCT cal c u l ations.  E a ch wavelet co efficient produ ce s  the WCC h o w ever, to red u ce the  dime nsio n of  the feature  extracted onl y ten coeffici ents a r e   retaine d  from  each  wavel e t decom po sition (Figu r e  2).Finally, the WCC a r e fed into the NN  cla ssifie r  for  either trai ning  or testing.       6. Experimental Verifica tion  The expe rim ent wa s co nd ucted by vary ing t he level of DWT. WCC we re extra c ted from   level 8, level  5, and level 3. To benchm a r k ou r  propo sed WCC we compa r ed the  results with th e   MFCC. The   task wa s to   recogni ze  all  26 Engli s h   alpha bets  which i s   quite  a difficult ta sk   becau se of several a c ou st ic simila rities  betwe en the letters. Thete s t wa s co ndu cted to ob serve  the effects of  decom po sition level of the DWT with  rega rd to the recognitio n  rate. We al so  wante d  to o b s erve  the  effectivene ss of  the  WCC  in  cla s sif y ing a c ou st ic a lly confusable letters  whe n  com p a r ed to the MFCCs.Tabl e 1 and  2 are sev e ral setup for  the experim e n t.  For the MFCC feature s , an 800 feature  vector wa s o b tained for ea ch sp ee ch. This valu e   wa s fixed by mean s of zero-pa dde d no rmalizatio n a s  mentione d in [18]. For th e WCC 9 0 , 6 0   and 40  co efficient featu r e  vector  wa s u s ed fo r ea ch  spe e ch sig n a l . The numb e r of feature  u s ed  also d enote s   the numbe r o f  input node s need ed for th e NN  cla ssifie r .      Table 1. MF CC paramete r  setting s  Parameter  Value   Frame size  256 samples  Frame ove r lap   128 samples  Pre-emph asis co efficient ( pre a )  -0.95   Number of  triang ular band- pass filters  20  Number of  MFC C  coefficients  13  w i th energ y       Table 2. Ne ural netwo rk  cla ssifie r  setu p   Parameter  Value   Input la y e r   800 nodes for  M F CC, 90,  60 and  40 for WCC     Hidden la y e r   1 hidden la y e r  w i th 250 nodes   Output la yer   26 nodes   Hidden la y e r activation function  H y pe rbolic tange nt  Output la yer acti vation function   H y pe rbolic tange nt      The  numb e r  of co efficient s fo r the  WCC i s  o b taine d  by retaining   only ten  co efficients  from ea ch DWT de com p o s ition level (Figure 2).  In this study we  have rest rict ed for only ten  coeffici ents from each leve l for evaluatio n. Ten  coeffi cient s from a pproxim ation coeffici ent an d   ten coeffici en ts from ea ch l e vel of detail coeffici ents a r e used.   Let their be n  l e vels  of wavelet de com p o s ition i n   whi c h ea ch  level  contai ns both  detail   and  app roxi mation  co efficient s. Exce pt for th e  th n   level, ten  co efficients fro m  the  detail  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046   TELKOM NIKA  Vol. 11, No . 5, May 2013 : 2731 – 273 8  2736 coeffici ents  are  taken  while ten  coe fficients  are  take n fo r  both d e tail  and  app roxi mate   coeffici ents o n  the level th n  wa velet decom p o sition. The  relation ship is  pre s ente d  in (6) as    10 10 n N c  (6)     Whe r e  c N is the numbe r of WCC obtai n ed from a n level wavelet decom p osition. Thus, for  example an 8  level wavelet  decom po sition yields 90 10 8 10 W C C co ef f i cient s .       7. Results   Table  3 an d  4 sh ows the   results fo r th e propo sed   WCC o n  spe a ke r d epen d ent and   spe a ker in de pend ent tasks. Co mpa r iso n s  with MF CCs  we re  don e to evaluate  the effective ness  of the  WCC.  Figure 3  an d  Figure  4  sho w s the  histo g r am  plot fo r t he the  ave r a ge  re cognitio n  of  both MF CC a nd  WCCs. Averag e  re cog n i t ion were  obt ained  from  dif f erent valu es  of the le arni n g   rate (L R) a n d  momentum consta nt (MC) of theNN  cl assifier. Differe nt values of LR and M C  we re   need ed to obt ain the be st result s for ea ch of the WCCs and MF CC.      Table 3. Co m parative resul t s betwe en M F CC a nd  WCC (Spe aker d epen dent)  Speaker   Recog n iti on M F CC  (% )   Recog n iti on W CC l v l  8  (% )  Recog n iti on W CC l v l  5  (% )  Recog n iti on W CC l v l  3  (% )  F1   81.31  76.74  77.71   72.96   F2   78.79  66.65  73.02   69.95   F3   84.50  75.54  78.55   82.81   F4   87.56  79.81  81.13   78.25   F5   81.01  81.37  81.97   75.24   M1  74.94  66.23  72.42   61.42   M2  93.03  88.16  91.29   85.10   M3  93.03  72.36  76.38   70.07   Average   84.27  75.86  79.06   74.48             Figure 3. Re sults for spea ker dep end ent  tasks    Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Wa velet Cesptral Co efficie n ts for Isol ate d  Speech Re cog n ition (T.  B.  Adam )   2737 Table 4. Co m parative resul t s betwe en M F CC a nd  WCC (Spe aker in depe ndent )  Speaker   Recog n iti on M F CC  (% )   Recog n iti on W CC l v l  8  (% )  Recog n iti on W CC l v l  5  (% )  Recog n iti on W CC l v l  3  (% )  F6   75.60  61.84  68.75   65.87   F7   74.52  72.96  79.45   75.72   F8   68.13  59.94  64.88   63.86   M4  85.60  80.15  82.60   78.19   M5  69.55  71.32  70.10   65.20   M6  73.29  62.35  60.82   54.04   M7  71.48  67.72  70.15   64.57   M8  56.97  64.90  68.81   62.82   Average   71.89  67.65  70.70   66.29             Figure 4. Re sults for spea ker inde pen de nt tasks      8. Discussio n   From the exp e rime nts con ducte d, there  are  several i n tere sting di scu ssi on that can b e   pre s ente d . First, the WCCs had  a co n s ide r abl e sm all feature ve ctor  whe n  co mpared to th e  MFCC. This i s  true for the  WCCs obtain ed from le vel  8, level 5, and level 3. Each WCC featu r e  vector  co ntai ned o n ly 90,  60, an d 40  coeffi ci ents respe c tively.  These small values sh ow  a  con s id era b le  amo unt of  feature  re du ction  wh en comp ared  to   the  M F CC whi c h uses 800   coeffici ents.   It is found fro m  the results (Table 3 a n d  Table 4) that  level 5 of wavelet decom p o sition  yielded the  b e st results  a m ong th e  WCC. T h is is   true  for  eithe r  spe a ker dep e ndent or sp e a ke r   indep ende nt taks. Ho wever, the MFCC result s we re st ill higher in m o st of the ca ses.   Re sults for  spea ker ind e p ende nt task  showed  i n tere sting  ob serva t ions. It is fo und th at  for spea ke r i ndep ende nt tests th e reco gnition  rate  (RR)  were qui te com parabl e with  each o t her  for the WCCs and MF CC. The re cog n ition for MFCC is 71.89% while WCC lev e l 5 is 70.70 %.  The pe rcenta ge differe nce  betwe en the t w o i s  only 1. 19% whi c h i s  quite small.  The  significa nce  of this result stem s from the fact that the f eature ve ctor for the  WCC u s ed o n ly 60 coefficients  while th e MF CC  used 8 0 0  coeffici ents.  For  sp e a ker  depe ndent ta sk, the  pe rce n tage diffe re nce   of WCC at level 5 and MF CC i s  3.21% still maintaini ng a small p e r ce ntage diffe ren c e.           Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046   TELKOM NIKA  Vol. 11, No . 5, May 2013 : 2731 – 273 8  2738 9. Conclusio n   The p r opo se d WCC featu r e extra c tion  prod uc ed a  con s id era b ly small featu r e  vecto r   whe n  com pared to MFCCs. Although the feature vect or for the WCC we re sm all, result s sh owed   that with further studi es a n d  improvem e n t t he WCC can be improved to  outperf o rm the MF CCs.  To imp r ove t he  WCCs, the structu r e  of the DWT  mu st be  expe rim ented  with. In  this  study, it  is  sho w n  t hat  t h e be st  a c cur a cy  f o r  W C C  wa s at  l e vel  5 of the  DWT  de comp ositi on. Results from  the spe a ker i ndep ende nt task sh ows th at the  WCC  coul d be imp r oved a nd well suited fo r  text  depe ndent  sp eech re cog n ition tasks.   Future  wo rks inclu de exp e rime nting with different  numbe rs of  coeffici ents,  wavelet  families an d wavelet struct ure. The  WCCs  sho u ld also be tested u nder diffe rent  noise  con d ition s   in future  ex perim ents to  ob serve  its rob u st n e s s  t o wa rd s n o i sy  s pee ch.  We  ex pe ct  by  experim entin g with these para m eters the WC C s  ma y  surpa s s MF CC s in t e rm s  of  RR.       Referen ces   [1]  E Pavez and  JF  Silva. "Anal ysis a nd Des i g n  of  W a velet-Packet Cepstr al C oeffici ents  for Automatic   Speec h Rec o g n itio n".  Speec h  Communic a tio n .  2012; 5 4 : 81 4-83 5.  [2]  LD Vi gno lo, D H  Milo ne  and   HL R u finer. "G enetic W a v e let  Packets for S peec h Rec o g n i t ion".  Expert  Systems w i th Appl icatio ns . 2 012; 40: 2 350- 235 9.  [3]  S Davis a nd  P Mermelstei n . "Compar ison  of Pa rametric  Repres entati o ns for Monos yllab i c W o r d   Reco gniti on in Conti nuo usl y   S poke n   Se ntenc es".  IEEE Transactions  on Ac ous tics, Speec h and Signal  Processi ng . 19 80; 28: 35 7-36 6.  [4 ]  M An u s uy a and  S Ka tti . " F ron t  En d  An aly s is o f  Sp ee ch   Re co gn i t i o n :  A  R e vi e w ".  Intern ation a l J ourn a l   of Speech T e c hno logy . 2 011;  14: 99-14 5.   [5]  R Sarik a ya, B L  Pe llom,  an d  JHL H ans en, " W avel et P a cke t T r ansform F eatures W i th  Ap plicati o n  T o   Speak er Identif icatio n". in  Thir d IEEE Nordic  Signal Process i ng Sy m p osium . 19 98; 81- 84 .  [6]  P Kumar an d  M Chan dra. "H ybr i d of W a ve l e t and MF CC  F eatures for S peak er Verific a tion". in  Wo rld   Con g ress on In formati on a nd  Co mmun icati o n T e chno lo gies  (W ICT ) . 2011: 1150- 11 54.   [7]  SY Lun g. "Imp roved W a v e let  F eature E x trac tion Usi ng K e r nel A nal ys is fo r  T e xt Inde pe n dent Sp eak er  Reco gniti on".  Digita l  Sig nal P r ocessi ng . 20 1 0 ; 20: 140 0-14 07.   [8]  K Daqro uq a n d  KY Al Azza w i .  "Averag e  F r aming L i ne ar Predicti on Co di n g   w i t h  W a vel e t  T r ansform for   T e xt-Indepe nd ent Speak er Id entificati on S y s t em".  Compute r s and Electric al Eng i ne eri n g .  2012; 3 8 .  [9]  JN Go w d y  an d Z  T u fekci. " M el-Scal e d  Di screte W a ve le t Coeffici ents f o r Sp eec h R e cogn ition " . i n   Proceedings  of the IEEE Int e r national Conference on Ac oustics,  Speec h, and Si gnal Processing .  200 0: 135 1-13 54.   [10]  E Did iot, I Illi na, D F o hr,  and  O Mel l a.  "A  Wavelet- Based Param e teri zation for Speech/Music  Discrimi natio n" .  Comp uter Sp eech a nd L a n g uag e . 201 0; 24 : 341-35 7.  [11]  JD W u  and BF  Lin. "Spe aker   Identificati on u s ing Discr ete W a velet Packe t  T r ansform  T e chni que  w i t h   Irregul ar Deco mpositi on".  Ex pert Systems  w i th Applicati o ns . 2009; 3 6 : 3136- 314 3.   [12]  O F a rooq an d S Datta. "W avelet Base d Ro bus t Sub-B and  F eatures for Phon eme R e co gniti on".  IE EE  Procee din g s Vi sion Imag e an d Sign al Proc e ssing . 20 04; 15 1: 187-1 93.   [13]  MS Des hpa nd e a nd  RS  Hol a mbe.  "Spe ak er Ide n tificati o n  Usi n g  Admis s ible  W a ve let  Packet Bas e d   Decom positi o n " .  Journ a l of  Sign al Proc essin g  W o rld  Acade my  of Scienc e En gin eeri ng  an d   T e chno logy . 2 010; 6: 20- 23.   [14]  A Kinne y  and  J Stevens. "W avel et Packet Ceps tra l  Anal ysis for Speak e r  Recog n itio n,"  in  Sign als,   Systems an d  C o mputers, 20 0 2 .  Co nferenc e Recor d   of  th e T h irty-Sixth  Asi l o m ar Co nfere n ce on . 20 02 ;  1: 206-2 09.   [15]  F L  Sanch e z, S Barbo n  Jún i or, LS Vieir a , RC  Guid o, ES  F onseca, PR  Scalass a ra,  CD Maci el, JC   Pereir a, and S H  Che n . "W avelet-Bas ed Ce pstrum Calc ula t ion".  Jour nal o f  Comp utatio na l and Ap pli e d   Mathem atics . 2 009; 22 7: 288- 293.   [16]  JW  Picone. "Si gna l Mod e li ng  T e chniques in Speec h  Rec o g n itio n".  Proce e d in gs of the IE EE . 1993; 8 1 :   121 5-12 47.   [17] M.  Negn evitsk y,  Artifici al Int e lli ge nce: A G u id e to Inte lli g ent Syste m s , 2  ed. Harl o w  UK:  Addis o n   We sl ey , 20 05 .  [18]  MSH Salam, D  Mohama d  an d  SHS Salle h. "T empor al Spe e ch Norm aliz ation Meth ods C o mparis on i n   Speec h Rec o gniti on Usi ng  Neur al Net w o r k". in  Internati ona l Co nferen ce of Soft Co mp utin g an d   Pattern Reco g n itio n (SoCPa R) , Melacca, Malay s ia. 2009.   Evaluation Warning : The document was created with Spire.PDF for Python.