Correction par réseaux de neurones artificiels des troubles d’articulé dentaire chez un locuteur arabophone

Abstract FRE

Le but de notre travail est la correction des troubles causés par le port de la prothèse dentaire lors de la prononciation des dix consonnes dentales de la langue arabe.

Pour atteindre cet objectif, nous avons élaboré un corpus de mots contenant toutes les consonnes dentales dans les différentes positions qui existent en Arabe (initiale, médiane et finale).

Pour cela, nous avons choisi deux ensembles : des Sujets Normaux (SN), comme Référence et des Sujets ayant des troubles de la prononciation, occasionnés par le port de la Prothèse Dentaire (SPD).

Pour calculer le Taux de Reconnaissance (TR) des consonnes dentales des SN et des SPD, nous commençons par l’enregistrement des signaux de parole, des mots porteurs des 10 phonèmes choisis.

Nous faisons la segmentation manuelle à l’aide du logiciel Speech Filing System Software (SFS).

Par la suite, nous utilisons l’environnement Matlab.

Nous extrayons les paramètres caractérisant le signal acquis à l’aide des MFCC (Mel Frequency Cepstral Coefficients) et Delta MFCC (la dérivée première des MFCC).

Finalement, nous calculons le TR de ces phonèmes en appliquant les Réseaux de Neurones Multicouches (Multi Layer Perceptrons : MLP).

Pour corriger les troubles de la prononciation, causés par le port de la prothèse dentaire, nous calculons la Distance Euclidienne (DE) entre les paramètres des enregistrements des deux ensembles de sujets, en les répétant jusqu’à ce que la DE soit minimale ou tende vers zéro.

Les résultats obtenus ont un TR de classification moyen global, de 75.50%, concernant les phonèmes du corpus prononcé par les SN.

Par conséquent, nous déduisons que nos résultats sont acceptables et peuvent être considérés comme satisfaisants.

Cependant, ce TR peut être meilleur en enrichissant la Base de Données et en améliorant les conditions d’enregistrement.