محمدمحسن گودرزی - دانشگاه صنعتی امیرکبیر دانشکده مهندسی پزشکی
فرشاد الماس گنج - دانشگاه صنعتی امیرکبیر دانشکده مهندسی پزشکی

در این مقاله روشی ارائه شده که به منظور بازسازی مولفه های نویزی طیف گفتاراز توزیع آماری مولفه های سالم فریم های قبل و بعد بهره می برد. در روش ارائه شده ابتدا تغییرات زمانی مولفه های سیگنال گفتار توسط مدل مخفی مارکوف مدل شده سپس با استفاده از این مدل و احتمال وقوع مولفه نویزی در حالتهای مختلف، توزیع احتمالاتی برای مولفه نویزی محاسبه می شود و در نهایت با استفاده از تخمین MAP مقداراین مولفه تخمین زده می شود. این روش با یکی از روشهای اخیر ویژگی گمشده که برپایه خوشه بندی بردارهای ویژگی، و تخمین مولفه نویزی با توجه به توزیع هر خوشه است مقایسه شده است. نتایج شبیه سازی و مقایسه این روش با روش مذکور برتری این روش را در بهبود درصد بازشناسی در حضور نویز نشان می دهد. همچنین استفاده از انواع مختلف نویز، مقاوم بودن این روش ، نسبت به نوع نویز را تا حدقابل قبولی نشان می دهد.

بازشناسی خودکار گفتار، بازشناسی مقاوم به نویز گفتار، روشهای ویژگی گمشده، مدل مخفی مارکوف