مقاوم سازی ویژگی های مل کپستروم نسبت به نویز با استفاده از شبکه باور عمیق
Publish place: اولین کنفرانس بین المللی پردازش سیگنال و سیستم های هوشمند
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 703
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:
SPIS01_013
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
ضرایب مل کپستروم جزو موفق ترین ویژگی ها برای بازشناسی گفتار تمیز هستند، لیکن کارایی آنها تحت تاثیر نویز به شدت کاهش می یابد. روش های مختلفی برای مقاوم سازی این ضرایب در شرایط نویزی پیشنهاد شده اند که معمولا به صورت تغییراتی در روند استخراج و یا پس پردازش بعد از استخراج عمل می کنند. در مقاله حاضر، پیشنهاد می شود که از شبکه های باور عمیق به عنوان یک روش پس پردازش جهت حذف نویز از ویژگی های مل کپستروم استفاده شود. علاوه بر این، شبکه باور عمیق برای استخراج ویژگی های آبشاری ( احتمالات پسین رخداد واج ها ) از ویژگی های حذف نویز شده مل کپستروم ( حاصل از مرحله قبل) بکار می رود تا ویژگی های متمایزسازتر و مقاوم تری به دست آیند. سپس بردار ویژگی مقاوم نهایی متشکل از ضرایب مل کپستروم حذف نویز شده در کنار ویزگی های آبشاری مذکور شکل می گیرد . نتایج ارزیابی بر رو دادگان Aurora2 نشان می دهد که بردار ویژگی پیشنهادی نهایی ، در مقایسه با روش های مشابه بهتر عمل می کند و بطور متوسط برای نسبت های سیگنال به نویز 0 تا 20 دسی بل دقت بازشناسی را برای ضرایب مل کپستروم در حدود 25% افزایش می دهد .
Keywords:
Authors
مجتبی غلامی پور
دانشجوی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
بابک ناصر شریف
دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، 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 :