باز شناسی مقاوم گفتار فارسی با استفاده از ضرایب مل-کپستروم بهبود یافته و شبکه عصبی
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,369
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_222
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
ضرایب مل-کپستروم یکی از فراگیرترین ویژگی های مورد استفاده در سیستم های تشخیص گفتار است. اساسی ترین مشکل این ضرایب ، آسیب پذیری و حساسیت زیاد آن ها در برابر نویز می باشد . در این مقاله برای دست یابی به یک عملکرد رضایت بخش تحت شرایط نویزی در سیستم های تشخیص گفتار یک الگوریتم جدید مصون در برابر نویز ، جهت محاسبه ی بردار ویژگی ضرایب مل- کپستروم معرفی شده است. در روش پیشنهادی ابتدا سیگنال پیش تاکید شده را فریم بندی می کنیم و سپس از یک پنجره ی بهبود یافته عبور می دهیم ، در گام بعدی ضرایب خودهمبستگی سیگنال ورودی محاسبه می شود و پس از حذف ضرایب مرتبه پایین، وارد بلوک FFT می گردد.حاصل تبدیل فوریه به یک فیلتر بانک گوسی داده می شود و بعد از محاسبه طیف توان خروجی فیلتربانک ،به ترتیب با اعمال لگاریتم و تبدیل کسینوسی برروی خروجی طیف ،ضرایب جدید به دست میآید .برای طبقه بندی و تست داده ها از یک شبکه عصبی پرسپترون چند لایه استفاده شده است .نتایج آزمایش برای شش نرخ سیگنال به نویز متفاوت ، نشانگر بهبود نرخ تشخیص سیگنال نویزی توسط الگوریتم پیشنهادی است
Keywords:
Authors
حسین مروی
دانشگاه صنعتی شاهرود،دانشکده مهندسی برق و رباتیک
دانیال دارابیان
دانشگاه صنعتی شاهرود،دانشکده مهندسی برق و رباتیک
مجتبی شریف نوقابی
دانشگاه صنعتی شاهرود،دانشکده مهندسی برق و رباتیک
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :