تشخیص گفتار با استفاده از روش های هوشمند در پردازش صوت
Publish place: The first national electronic conference on technological advances in electrical, electronics and computer engineering
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 3,081
This Paper With 29 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
TDCONF01_018
Index date: 10 July 2015
تشخیص گفتار با استفاده از روش های هوشمند در پردازش صوت abstract
در این رساله،به بررسی روشهای هوشمند جهت تشخیص الفبای انگلیسی در پردازش صوت پرداخته شده است.روشهای هوشمند در استخراج ویژگی ،مانند تبدیل WAVELET ، ضرایب MFCC،تبدیل FFT روشهای هوشمند در دسته بندی سیگنال های صوتی،مانند روش ماشین بردار پشتیبان (SVM)، روش شبکه عصبی پرسپترون چند لایه (MLP)،روشهای هوشمند کاهش بعد ،مانند روش PCA و روشهای نرمالایز سازی مورد بررسی قرار گرفته است. نحوه عملکرد به این صورت است که در ابتدا به پیش پردازش داده ها می پردازیم یعنی حذف قسمتهای اضافی از داده ها را انجام می دهیم ،سپس توسط یکی از روشهای هووشمند استخراج ویژگی به استخراج ویژگی می پردازیم ،تا بتوانیم از این ویژگی ها در دسته بندی استفاده کنیم،حال دراین بین فرایند های دیگری از قبیل نرمالایز سازی و کاهش بعد نیز وجود دارند که نیز می توان از آنها استفاده کرد ، اینکه چه عملی و در کجا نتیجه بهتری دارد ،در این رساله تمام موارد بررسی شده است و ،بعد از این که ویژگی ها ی مناسب را استخراج کردیم نوبت به دسته بندی ویزگی ها میرسد که توسط روش ماشین بردار پشتیبان (SVM)و همچنین روش شبکه عصبی پرسپترون چند لایه (MLP)، مورد بررسی قرار گرفته است.البته روشهایی نیز برای بهبود این روشهای دسته بندی نیز صورت گرفته است مانند اینکه می توان پارامترهای روش ماشین بردار پشتیبان (SVM)را توسط الگوریتم بهینه سازی ژنتیک تعیین کرد. در نهایت از نتایج بدست امده به این نتیجه می رسیم که استفاده از روش ضرایب MFCC در استخراج ویژگی واستفاده از روش ماشین بردار پشتیبان (SVM)،در روش دسته بندی جواب مطلوب تری نسبت به سایر روشهای بررسی شده دارد.
تشخیص گفتار با استفاده از روش های هوشمند در پردازش صوت authors
سعید وندکی
دانشکده مهندسی برق - دانشگاه گناباد - گناباد - ایران
عماد عباسی صیدآباد
دانشکده مهندسی برق - دانشگاه گناباد - گناباد - ایران
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 :