تشخیصمحدودهی گفتاری در سیگنال صوتی مبتنی بر دسته بندی گروهی دادگان
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 557
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_078
تاریخ نمایه سازی: 11 مرداد 1393
Abstract:
جداسازی گفتار از نویز ضمینه یکی از پیشپردازشهای مهم در اغلب کابردهای گفتاری میباشد که روشهای مختلف آماری،یادگیری ماشین و مکاشفهای برای آن مطرح شدهاند. در این مقاله روشجدیدی برای تشخیصمحدودهی گفتاری در سیگنال صوتیبر اساسدسته بندی گروهی دادگان ارائه شده است. در دستهبندی گروهی دادگان هدف تشخیصدستهی گروهی از دادگان ورودی است، که با توجه به دانشاولیهی موجود، به یک دسته تعلق دارند. با توجه به اینکه در سیگنال گفتار بخشهای مربوط به نویز وگفتار معمولا به صورت متوالی و پیوسته میباشند، میتوان از روشهای مربوط به دسته بندی گروهی دادگان برای تشخیصآنهااستفاده نمود. روشارائه شده از دسته بندی گروهی مبتنی بر نزدیکترین همسایه استفاده میکند، بنابراین نیاز به آموزشخاصی برای ایجاد مدلهایی از نویز و گفتار نمیباشد و تنها نیاز به مجموعهای از دادگان اولیه است که به عنوان دادگان مرجع مورد استفادهقرار گیرد؛ به همین دلیل دارای زمان فاز آموزشآن بسیار ناچیز میباشد، به علاوه نسبت به روشهای آماری و مکاشفهای دارای دقت بالاتری میباشد و نسبت به آنها سادهتر است. روش پیشنهادی با چند روشمتداول برای تشخیصمحدودهی گفتاری، درمحیط های مختلف باSNR متفاوت، مقایسه شده که نتایج مقایسات نشان دهندهی کارای بالای روشارائه شده برای تشخیص محدودهی گفتار میباشد و در مقایسه با روشهای مقایسه شده توانسته با نرخ تشخیصاشتباه پایین به نرخ تشخیص صحیح بالایی دست یابد.
Keywords:
Authors
رضا وفاشعار
دانشجوی دکتری دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر ، تهران،
سعید شیری
استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر ، تهران
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 :