L'analyse en ondelettes est un outil puissant pour analyser la parole et les signaux acoustiques, particulièrement utile lorsque l'intelligibilité de la parole est compromise par des facteurs tels que les masques faciaux. La pandémie de COVID-19 a mis en évidence les défis que posent les masques à une communication claire. La transformée en ondelettes (WT) offre une solution en intégrant des données du domaine temporel et fréquentiel pour améliorer la reconnaissance vocale.
La sélection d'une « ondelette mère » appropriée est essentielle pour une WT efficace, car différentes ondelettes donnent des résultats variables. La recherche exploite la technique COPRAS (COmplex PRoportional ASsessment) pour déterminer la fonction d'ondelette mère optimale pour les signaux vocaux lorsque des masques ou des écrans faciaux sont utilisés.
Des métriques telles que le coefficient de corrélation croisée maximale (MCC) et le rapport énergie maximale sur Shannon (MEER) sont utilisées pour classer les fonctions d'ondelette mère. Cette méthode établit un protocole clair pour sélectionner les ondelettes mères les plus appropriées pour les signaux vocaux dans diverses conditions réelles où des masques peuvent être présents. Les transformées en ondelettes améliorent les systèmes de reconnaissance de formes en extrayant des caractéristiques invariantes à certaines transformations et peuvent améliorer les performances des classificateurs dans des environnements bruyants.