کاهش اثر نویز باد بر روی گفتار ضبط شده مبتنی بر روش یادگیری ماشین و با استفاده از مجموعه داده های آنالیز طیفی تکین (SSA)

با توجه به پیشرفت تکنولوژی، ابزار و وسایل مختلفی جهت ضبط صداها به کار گرفته میشوند. در حالت کلی ضبط صدا در محیط های مختلف با چالش های متفاوتی روبه رو میباشد. به عنوان مثال نویزهای مختلفی که در فضای باز وجود دارند باعث کاهش کیفیت صدای موردنظر در فضای مذکور میشوند. به طور خاص نویز باد یکی از اصلی ترین نگرانیهای ضبط سیگنال های صوتی با استفاده از میکروفن در فضای باز میباشد. فیلتر کردن و حذف کردن نویز باد به دلیل اینکه نویز باد دارای باند پهن و همچنین دارای طبیعتی متغیر بازمان میباشد، بسیار مشکل است. آنالیز طیفی تکین (۱(SSA یک روش قدرتمند برای آنالیز سریهای زمانی میباشد که از روش مذکور در کاربردهایی ازجمله کاهش نویز ، پیشبینی سری زمانی و... استفاده میشود. در این پژوهش از روش SSA و الگوریتم K-means و فیلتر BOLL به شکل ترکیبی و به منظور کاهش نویز باد در سیگنال های گفتار استفاده شده است. نتایج نشان میدهد که روش پیشنهادی قادر است تا مقدار ۵۱ درصد میزان کیفیت سیگنال گفتار را ازلحاظ کیفیت ادراکی بهبود بخشد. روش ارائه شده در مقایسه با روش های مرسوم از قبیل وزن دهی طیفی و تفریق طیفی نتایج بهتری را از خود نشان میدهد.

Keywords:

آنالیز طیفی تکین (SSA) , کاهش نویز باد , الگوریتم K_means , کیفیت ادراکی , متغیر بازمان