با توجه به کاربرد روزافزون سیستم های گفتاری در زندگی امروزی، کارهای بسیاری در زمینه بهسازی و بازشناسی گفتار صورت گرفته است که در همه این کاربردها وجود نویز و پژواک باعث کاهش کارآیی سیستم های گفتاری می شود. بنابراین لازم است که در محیط های نویزی و دارای پژواک نیز عملکرد مناسب و دقیق تری برای این سیستم ها داشته باشیم. تاکنون تعداد زیادی از الگوریتم های بهسازی گفتار براساس تخمین گر دامنه طیف سیگنا...

مقدمه و اهداف اختلال پردازش شنوایی مرکزی (CAPD) نقص در مکان­یابی، طرفی سازی، افتراق شنیداری، مهارت­های شناخت الگو، پردازش زمانی و همچنین کاهش عملکرد در مواجه شدن با سیگنال رقابتی است. شیوع CAPD در کودکان 2 تا 3 درصد و در جمعیت بزرگسال تقریباً 70 درصد است. مداخلات برای اختلال پردازش شنوایی مرکزی (CAPD) بر ساخت­پذیری دستگاه عصبی استوار است، تحریک دستگاه شنیداری می­تواند موجب بهبود توانایی­های پردا...

یکی از مهمترین مسایل مطرح در زمینهء سیستم‏های بازشناخت گفتار تأثیر نویز بر سیگنال گفتار و کاهش دقت بازشناسی است، لذا بازشناخت گفتار مقاوم در برابر نویز یکی از موارد مورد مطالعه محققان می‏باشد. در سالهای اخیر تحقیقات بسیاری در این زمینه به عمل آمده و روش‏های مختلفی ارائه شده است. یک دسته از روش‏های موجود در زمینهء بازشناخت گفتار مقاوم، استخراج ویژگی‏هایی از سیگنال گفتار می‏باشد که نسبت به نویز م...

در تحقیقات کنونی برای پردازش و تحلیل محتوای سیگنال های صوتی، طبقه بندی و قطعه بندی صوت به مسئله مهمی تبدیل شده است. متمایزسازی گفتار-موسیقی بعنوان دو کلاس مهم از سیگنال های صوتی یکی از مهم ترین شاخه ها در این زمینه است که کاربردهای بسیاری از جمله بعنوان پیش پردازش سیستم های بازشناسی گفتار خودکار، شاخص گذاری و بازیابی بر اساس محتوای صوت و تصویر، بهبود کدینگ صوت و مدیریت آرشیوهای صوتی دارد. بنابر...

در این پایان نامه روشی برای نهان نگاری سیگنال گفتار در متون تصویری باینری فارسی ارائه شده است. این روش مبتنی بر کدینگ گفتار lpc10 میباشد. برای پنهان سازی داده ها در تصویر متن ابتدا سیگنال گفتار توسط کدینگ lpc10 به یک رشته بیت باینری تبدیل میشود. برای این کار سیگنال گفتار به قسمتهای کوچکتری به نام فریم تقسیم بندی شده و از هر فریم چهار ویژگی شامل آوایی/غیرآوایی بودن، تناوب گام، ضرایب پیشگویی خطی ...

مدل‌های پنهان مارکوف به‌عنوان یکی از شیوه‌های موفق امروزی در کاربردهای پردازش سیگنال پیوسته و گسسته کاربردهای فراوانی یافته‌اند. این مدل‌ها با توجه به‌توانائی بالایی که در مدل نمودن ویژگی‌های گفتار و به‌خصوص ویژگی دینامیک گفتار دارند مورد بررسی و استفاده فراوانی در این زمینه قرار گرفته‌اند. یکی از روش‌هائی که در سال‌های اخیر برای بازشناسی گفتار پیوسته مورد توجه نسبی قرار گرفته است استفاده از تر...

برای مقاوم سازی سیستم بازشناسی گفتار در برابر عوامل مزاحم محیطی (نویز جمع شونده، اثر اعوجاج کانال انتقال و نویزهای گذرا) سه ایده کلی وجود دارد: 1- استخراج وی‍ژگی های مقاوم(robust feature extraction) 2- بهبود کیفیت بردارهای بازنمایی (feature enhancement) 3- اصلاح مدل بازشناسی صوتی (acoustic model compensation) در ایده اول سعی می شود تا از ویژگی ها و پارمترهایی از سیگنال گفتار برای ساخت بر...

بهسازی گفتار یکی از مهمترین موضوعات در زمینه مخابرات و پردازش سیگنال می باشد. در مخابرات صوتی ، ممکن است سیگنال صحبت با نویز محیط آلوده شده، و در نتیجه کیفیت ارتباط را به دلیل کاهش قابلیت فهم گفتار تحت تاثیر قرار دهد. همچنین فشرده سازی صحبت نویزی با کد کننده های نرخ پایین صحبت، باعث کاهش قابل توجه کیفیت گفتار خواهد شد،که این امر به دلیل خطای تخمین مکرر در پارامترهای مدل تولید کننده صحبت می باشد...

تنوع میدان‌های نویزی حاکم بر محیط‌های واقعی، طراحی سیستم واحدی را که قادر به حذف کامل همه اغتشاشات محیطی باشد، با مشکل مواجه می‌کند. لذا، داشتن یک شناخت اولیه از میدان‌های نویزی موجود در محیط و بررسی نوع اثر هر یک بر روی سیگنال گفتار، گام مؤثری در جهت فرآیند بهسازی محسوب می‌شود. در این مقاله، ضمن بررسی نویزهای اساسی موجود در زمینه گفتار ضبط‌شده در شرایط واقعی، به ارزیابی میدان‌های نویزی پایین‌گ...