تشخیص لهجه از روی شکل موج گفتار یکی از شاخه های نسبتا جدید در علم پردازش گفتار است.تشخیص لهجه می تواند تا حد زیادی باعث بهبود سیستم های بازشناخت گفتار شود.همانند هر سیستم بازشناسی، فرآیند تشخیص لهجه نیز شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است.در این مقاله سه روش کارآمد استخراج ویژگی شامل دامنه مرکزی طیفی (scm) ، مشتق اول آن (∆scm) و تبدیل zak روی سیگنال گفتار اعمال شده اند و کار...

مقدمه و اهداف: زبان پریشی یکی از نشانه های رایج سکته مغزی نیمکره چپ می باشد. بررسی پیرامون علائم زبان پریشی، ابزارهای کارآمد جهت ارزیابی بیماران، نحوه سازماندهی زبان در مغز و هم چنین مداخلات درمانی از موضوعات مهم تحقیق در این حوزه می باشد. هدف از این تحقیق ساخت و روان سنجی ابزار "سنجش مهارت واژه یابی" و بررسی میزان آسیب پذیری عملکرد واژه یابی،حافظه کلامی و کنش های حرکتی گفتار در بیماران زبان پر...

جستجوی اطلاعات بر اساس صوت، تصویر و یا ویدئو هستند. براین اساس و با توجه به حجم بالای اطلاعات موجود، روش های تحلیل و دسته بندی اتوماتیک صوتی از اهمیت خاصی برخوردار است. وابستگی آن به متغیرهای کیفی انسان بر پیچیدگی کار می افزاید. در این پایان نامه سعی شده است با آنالیز صوت، روشی برای تشخیص استرس از روی پارامترهای مبتنی بر ضرایب کپسترال دینامیکی بیان شود. تغییر مشخصات گویندگان، تغییرات فرهنگی، زب...

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 ...

یکی از پیش فرضهای اولیه مدل مارکوف پنهان، اعمال توزیع آماری هندسی به کشش زمانی بردارهای هر حالت مدل مارکوف پنهان است که به وضوح با طبیعت مساله سازگار نیست. مدلهای قطعه ای اتفاقی و به طور خاص مدل مارکوف پنهان قطعه ای تا حدی این مشکل را به ازای پیچیدگی بیشتر در مراحل آموزش و بازشناسی حل می کند. در مقابل، مدلهای شبکه عصبی و مدل ادراک گفتار دانشگاه ام آی تی از این مدلسازی چشم پوشی کرده اند. در این ...

چکیده شنیدن، رایج ترین شکل کاربرد مهارت زبان، جایگاه چشمگیری در گفت و شد روزانه و آموزش بازی می کند. در آموزش زبان به گسترش توانایی شنیدن تنها نگاه کوچکی شده است. بنابراین مهم است تاثیر تندی گفتار بر میزان دریافت پیام گوینده بررسی شود. یک زبان آموزانگلیسی به عنوان زبان فرنگی همیشه این مشکل را دارد. زمانیکه انگلیسی گفتاری بسیار تند است، شنونده باید توانایی خوبی در انگلیسی داشته باشد تا معان...

در دهه های اخیر دو تکنیک برای فشرده سازی سیگنالهای شنیداری در نرخ بیتهای خیلی پائین ، برای کاربردهایی نظیر اینترنت و مخابرات سیار مورد توجه بوده اند. از یک طرف کدکننده های تبدیل که اساسا برای دستیابی به کیفیت شبه ‏‎cd‎‏ طراحی شده اند و از طرف دیگر کدکننده هایی که صرفا مخصوص سیگنال گفتار هستند . هر دو روش سعی دارند شکل موج سیگنال شنیداری را طوری ارائه دهند که سیگنال خروجی دیکدر تخمینی دقیق از سی...

حضور نویز در محیط های طبیعی غیرقابل اجتناب است. استخراج گفتار مورد نظر (هدف) از نویز پس زمینه دارای حوزه کاربرد وسیعی از قبیل تشخیص خودکار گفتار، وسایل کمک شنوایی و سیستم های مخابراتی راه دور میباشد. یک شنونده انسانی توانایی قابل توجهی در جداسازی ترکیب صوتی و توجه به یک صوت هدف دارد. این فرآیند ادراکی، آنالیز ترکیب شنیداری (auditory scene analysis) نامیده میشود. هدف آنالیز ترکیب شنیداری محاسبات...

در این تحقیق، مراحل مختلف مخفی کردن سیگنال صوت در لبه های یک تصویر طبق یک الگوریتم جدید مقاوم به نویز و سپس به آشکار سازی آن پیاده سازی شده است. در این روش بعد از خواندن تصویر و جداسازی ماتریس های رنگی آن با مد نظر قرار دادن تصاویر حاصل از لبه های هر کدام از ماتریس های رنگی به عنوان الگو به مخفی سازی صوت درچهار بیت کم ارزش از هر کدام از لبه های تصاویر پرداخته شده است. در مخفی سازی صوت برای بالا...

مقدمه و اهداف امروزه درک عواطف موجود در چهره و آهنگ گفتار به عنوان یک عملکرد عاطفی موثر در انتقال پیام‌های ارتباطی شناخته شده است. در بیماران مبتلا به پارکینسون درک عواطف نسبت به کاربرد آن، کمتر مورد توجه محققان واقع شده است؛ لذا مطالعه حاضر با هدف مرور پژوهش‌های مرتبط با عملکرد بیماران مبتلا به پارکینسون در بازشناسی احساسات از طریق چهره و آهنگ گفتار صورت گرفت. م</str...