علیرضا فلک رفعت - دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه آزاد اسلامی واحد قزوین قزوین ایران
اعظم ربیعی - استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد دولت آباد اصفهان ایران

این مقاله، ویژگی جدیدی مبتنی بر اطلاعات زاویه سیگنال گفتار به نام زاویه ابعاد کاهش یافته(DRP)، ارائه کرده است. ویژگی DRP طی دو مرحله نرمال سازی و کاهش ابعاد از زاویه اسپکتروگرام سیگنال گفتار استخراج می گردد. فرایند کاهش ابعاد در این تحقیق با کمک تکنیک تحلیل اجزاء اصلی (PCA) انجام شده است. در این تحقیق، از ترکیب ویژگی پیشنهادی با ویژگی های مبتنی بر اندازه، برای شناسایی لهجه گوینده استفاده شده است. شناسایی لهجه گوینده با کمک شبکه های عصبی مصنوعی به عنوان دسته بندی کننده انجام شده است. مقایسه های آزمایش های انجام شده در شرایط بدون نوفه و با سیگنال به نوفه های صفر، ۵ و ۱۰ دسی بل، برتری این ویژگی و مقاوم به نوفه بودن آن در شناسایی لهجه گوینده را نشان می دهد. بیشترین مقدار کارایی مربوط به ترکیب ویژگی پیشنهادی (زاویه ابعاد کاهش یافته) با ضرایب برداریRasta PLP در محیط سالم برابر با ۱۴/۹۸ % و محیط آغشته به نوفه ۵۵/۹۵% نشان داده شده است.

ویژگی مبتنی بر زاویه, دسته بندی ابعاد کاهش یافته, تحلیل اجزای اصلی, ویژگی لهجه, مقاوم به نوفه