ارائه یک روش نوین و کارآمد استخراج ویژگی برای بازشناسی گفتار مقاوم مبتنی بر تبدیل فوریه کسری و بهینه ساز تکامل تفاضلی

یکی از چالش های اساسی در تشخیص گفتار، استخراج ویژگی مقاوم نسبت به نویز می-باشد. در این مقاله یک الگوریتم استخراج ویژگی جدید که الگوریتم استخراج ضرائب کپسترال توان نرمالیزه شده کسری وفقی نامیده می شود، بعنوان یک روش مقاوم در برابر نویز برای کاربرد بازشناسی گفتار ارائه شده است. این روش استخراج ویژگی پیشنهادی مبتنی بر تبدیل فوریه گسسته کسری زمان کوتاه می باشد. از آنجایی که انتخاب ضریب تبدیل کسری برای تحلیل های مناسب سیگنال های چند جزئی از قبیل گفتار همچنان مورد بحث است، در این روش پیشنهادی با استفاده از الگوریتم فرا ابتکاری تکامل تفاضلی، پارامتر بهینه α برای تبدیل فوریه کسری با توجه به کلاس نویز موجود در محیط بصورت وفقی بدست می آید. همچنین از دادگان TI Digit و Noisex-۹۲ به منظور ارزیابی میزان مقاومت و دقت بازشناسی سیستم بازشناس گفتار خودکار استفاده شده است. نتایج شبیه سازی بیانگر مقاومت بیشتر و دقت بازشناسی بالاتر روش استخراج ویژگی پیشنهادی در قیاس با سایر روش های استخراج ویژگی در محیط های نویزی و بدون نویز می باشد. در سیستم ASR پیشنهادی از طبقه بند ماشین بردار پشتیبان با کرنل غیرخطی استفاده شده است. لازم به ذکر است که تمامی شبیه سازی های انجام شده توسط نرم افزار MATLAB صورت گرفته است.

Keywords:

تبدیل فوریه کسری , الگوریتم تکامل تفاضلی , استخراج ویژگی مقاوم , بازشناسی مقاوم گفتار , طبقه بند , ASR