بررسی اثرات خطوط تلفنی بر روی سیگنال صوتی و جبران اثرات نویز تلفنی بر سیستم بازشناسی گفتار فارسی
Abstract
شرایط محیطی دریافت صوت از جمله محدودیت پهنای باند در کانال انتقال استفاده از وسایل با کیفیت پایین و اثر میکروفن بعنوان نویز کانوالو شونده و همچنین اثرات جریان هوا و گفتگوهای زمینه و .... بعنوان نویز جمع شونده باعث افت آشکار در کارایی سیستم های بازشناسی گفتار می شود. هدف از روشهای مقاوم سازی در برابر نویز کم کردن عدم تطابق بین توزیع بردارهای ویژگی در تشخیص دهنده و داده ا آزمون و بالابردن کارایی سیستم بازشناسی گفتار است. روشهای مقاوم سازی را می توان در قالب دو گروه مبتنی بر داده و مبتنی بر مدل تقسیم کرد. روشهای مبتنی بر داده سیگنال گفتار یا ویژگیهای آن را اصلاح می کند و روشهای مبتنی بر مدل بدون تغییر در سیگنال یا ویژگیهای آن پارامترهای مدل را تغییر داده و اصلاح می کنند. در این پایان نامه روشهای مقاوم سازی مبتنی بر داده مورد نظر بوده و از آن میان روش تفاضل طیف و تبدیل موجک برای بهبود نویز پس زمینه سیگنال و روش تفاضل میانگین کپسترال برای جبران اثر نویز کانال مورد استفاده قرار گرفته اند. که چهار نوع الگوریتم مختلف حذف نویز در تبدیل موجک استفاده گردیده است. برای آزمایش این روشها در مورد بازشناسی در این پروژه یک پایگاه داده اختصاصی گفتار شامل اعداد یک رقمی فارسی با یکصد گوینده مختلف بصورت تلفنی و موبایل پیاده سازی و ایجاد شده است. در این پروژه با توجه یه اینکه استفاده معمولی از الگوریتم های حذف بروش تبدیل موجک بهبودی در کاربردهای بازشناسی بدست نمی دهد یک راه حل جدید برای افزایش کارایی این الگوریتم ها ارایه گردیده است. آزمایشات انجام یافته برای گوینده هایی که در آموزش شرکت داشته اند و گوینده هایی که در آموزش شرکت نداشته اند در سیگنال به نویزهای مختلف بطور جداگانه انجام گرفته و در مقایسه با روش پایه mfcc برای بازشناسی با ویژگیهای مقاوم 2 تا 6 درصد و با روش تفاضل طیف 4 الی 14 درصد بهبود مشاهده می شود. در الگوریتم های حذف نویز بروش تبدیل موجک الگوریتم rigrsure نسبت به سه الگوریتم دیگر بهتر عمل کرده ولی نسبت به روشهای قبلی بهبودی نشان نمی دهند. که یک راه حل جدید برای افزایش کارایی الگوریتم های مختلف این روش ارایه گردیده است.