تغییرات مشخصه آکوستیکی واج ها تحت متن های مختلف موجب شده است که در پیاده سازی سیستم-های بازشناسی گفتار، از واحد های گفتاری وابسته به متن مانند هجا و نیم هجا که اثرات آواهای مجاور را نیز در نظر می گیرند، استفاده شود. با توجه به اینکه زبان فارسی از دسته زبانهایی می باشد که دارای ساختار هجایی ساده ای است، در این تحقیق واحد گفتاری نیم هجا برای مدلسازی طیفی مورد توجه قرار گرفته است و آزمون های متعدد...

دقت سیستم¬های بازشناسی گفتار در محیط¬های آزمایشگاهی و کنترل شده به میزان قابل قبولی افزایش یافته و امروزه شاهد استفاده از این سیستم¬ها در محیط¬های واقعی هستیم. با این حال، کارایی این سیستم¬ها در حضور نویز به دلیل عدم تطابق بین شرایط و محیط آموزشی و آزمون به شدت افت می¬کند. علاوه بر این، تنوع مشخصه¬های گفتاری گویندگان نیز بر کارایی این سیستم¬ها تاثیرگذار است. در سال¬های اخیر، عمده پژوهش¬های صورت...

مقدمه و اهداف گفتار عموما دارای چند وجه می باشد. سیستم ادراک گفتاری انسان از علامت های دیداری و شنیداری برای رمزگشایی گفتار تولید شده توسط گوینده، استفاده می کند. زمانی که یک فرد گفتار طبیعی را دریافت می کند، همزمان با شنیدن، آن را نیز می بیند و بخش ها و نواحی مسئول پردازش، اطلاعات بینایی و شنوایی مرتبط با گفتار را با یکدیگر ترکیب می کند. اطلاعات دیداری دهان و صورت گوینده، نقش مهمی را در درک و ...

مقدمه و اهداف توانایی برقراری ارتباط موثر کلامی با دیگران دارای اهمیت بوده و در حفظ کیفیت زندگی تاثیر دارد. اختلال درک گفتار در حضور نویز یکی از شکایات رایج افراد در تمامی سنین می‌باشد. توانایی پردازش شنیداری مرکزی و قابلیت­های شناختی در بازشناسی گفتار در نویز موثر هستند. مطالعات موجود نشان می‌دهد که جنسیت و سطح تحصیلات بر مهارت‌های شناختی و پ...

روشهای مختلفی برای تطبیق گوینده در سیستمهای بازشناسی گفتار معرفی گردیده اند. در برخی روشها نظیر تخمین map تنها مدلهایی که داده آموزشی متناظرشان موجود باشد تازه سازی می شوند و برای بهبود قابل توجه دقت بازشناسی، داده آموزشی نسبتاً زیادی مورد نیاز است. در برخی دیگر نظیر mllr که تعدادی تبدیلات عمومی بر روی خوشه های مدلها اعمال می شود، برای دادگان کم آموزشی نتایج مطلوبی حاصل می شود، اما با افزایش داد...

علی رغم بیشینه سی ساله پژوهش در حوزه بازشناسی گفتار فارسی در ایران و دست یافتن به پیشرفت های در خور توجه، نتایج عمده کارهای انجام شده به دلیل عدم وجود بستر یکسان، قابل مقایسه و ارزیابی دقیق نیستند. بستر عمدتاً شامل سیستم بازشناسی و دادگان با تعریف مشخص مجموعه های آموزش، توسعه و ارزیابی می باشد. سیستم متن باز کلدی با وجود نوظهور بودن آن دارای ویژگیهای منحصر بفردی است که در سال های اخیر مورد توجه ...

یکی از مشکلات عمده­ی سامانه­های خودکار بازشناسی گفتار (asr)، تنوعات موجود در بین گویند­ه­ها، کانال انتقال داده و محیط است که به علت وجود این تنوعات، کارایی این سامانه ها در شرایط کاربردی مختلف به شدت تغییر می کند. مقاوم سازی سیستم­های بازشناسی جهت مقابله با این تغییرات از جمله مسائل حال حاضر در حوزه بازشناسی گفتار است. از جمله عواملی که باعث کاهش کارایی سیستم­ها می­شود، تمایز مشخصات صوتی آواهای...

چکیده مقدمه: شنوایی مهمترین حس در رشد طبیعی گفتار و زبان است و کودکان ناشنوا به علت عدم دریافت مناسب محرکهای صوتی قادر به درک و تولید صحیح گفتار نبوده و وضوح کلامی آنها در سطح بسیار پایینی قرار دارد. انجام عمل کاشت حلزون با فراهم آوردن درونداد شنیداری مناسب، زمینه را جهت درک و تولید همخوانها فراهم می آورد و انتظار می رود در زمینه تولید و وضوح گفتار این کودکان تغییرات زیادی را شاهد باشیم. بنابرا...

در این پایان نامه، یک الگوریتم استخراج ویژگی جدید را معرفی می کنیم که pncc نامیده می شود و مبتنی بر سیستم شنیداری انسان می باشد. ویژگیهای جدید pncc شامل یک غیر خطی قانون توان است که جایگزین غیر خطی لگاریتمی استفاده شده در mfcc شده است، و همچنین شامل یک الگوریتم جدید برای حذف تحریک پس زمینه-با استفاده از تخمین توان با طول متوسط مبتنی بر نسبت میانگین حسابی به میانگین هندسی-و همچنین کاهش توان پس ز...

تحقیقات اخیر نشان می‌دهد که تظاهرات غیرخطی و آشوبی سیگنال گفتار می‌تواند در حوزة فضای بازسازی شده فاز (RPS) مطالعه شود. تئوری جاسازی برمبنای محورهای تأخیری، ابزار مناسبی برای بررسی تراژکتورهای گفتاری در RPS است. تاکنون از مشخصه‌های تراژکتورهای گفتاری به ندرت در سیستم‌های کاربردی بازشناسی گفتار استفاده شده است. از اینرو در این مقاله  روش استخراج ویژگی جدیدی براساس پارامترهای مدلسازی خطی مبتنی بر...