ضرایب مل-کپستروم یکی از فراگیرترین ویژگی های مورد استفاده در کاربردهای بازشناسی گفتار است.مشکل عمده در به کارگیری این ضرایب آسیب پذیری و حساسیت بالای آن ها در محیط های نویزی می باشد.در این ژایان نامه یک روش مقاوم در برابر نویز، جهت استخراج ویژگی ضرایب مل-کپستروم معرفی شده است.اساس تغییرات اعمال شده در الگوریتم پیشنهادی عبارتند از : به کار بردن تفریق میانگین سیگنال به ترتیب در حوزه های زمان و فر...

کارآیی سیستمهای بازشناسی گفتار خودکار در شرایط نویزی بخاطر عدم تطابق میان شرایط اموزش و آزمایش به شدت کاهش می یابد. روشهای متعدی برای رفع این عدم تطابق پیشنهاد شده اند. در سالهای اخیر شبکه های عصبی عمیق به طرز گسترده ای در سیستمهای بازشناسی گفتار و نیز در مقاوم سازی آنها و استخراج ویژگیهای مقاوم گفتار مورد استفاده قرار گرفته اند. در این مقاله، پیشنهاد می شود که از شبکه باور عمیق به عنوان یک ررو...

متداول ترین و کاراترین ویژگی ها برای بازشناسی گفتار، ضرایب فرکانسی مل کپستروم هستند. این ویژگی ها از طریق اعمال تبدیل کسینوسی گسسته بر لگاریتم انرژیخروجی های بانک فیلترِ مِل بدست می آیند. تبدیل کسینوسی گسسته در حالت کلی در فشرده سازی و ناهمبسته سازی دادهها به صورت نیمه بهینه عمل می کند. این موضوع یکی از علل کاهش عملکرد ویژگی های مل کپستروم در محیطی است که نویزهای جمع پذیر وجود دارند. در این رساله...

پرخیشومی از رایج­ترین اختلالات در کودکان دارای شکاف کام است. عموماً برای کاهش این نقیصه نیاز به جراحی است و بنابراین ارزیابی خیشومی بودن برای بررسی تأثیر جراحی و همچنین طراحی جلسات گفتار درمانی- که بعد از عمل­های جراحی نیاز است- حیاتی است. استفاده از مدل­های تمام قطب مانند arبرای مدل سازی سیستم لوله صوتی افراد سالم رایج و معتبر هستند؛ اما وجود کانال ارتباطی بین حفره دماغی و دهانی افراد دارای شکا...

ویژگی‌ الگوهای زمانی سیگنال صوتی از دو حوزه زمانی و یا بردارهای بازنمایی شده قابل استخراج است. این ویژگی دربرگیرنده اطلاعات و مشخصات زمان بلند از تغییرات پیوسته واحدهای گفتاری است. در این مقاله، ویژگی الگوهای زمانی با استفاده از خروجی مقدار احتمال پسین واجی ساختار بهینه شده شبکه عصبی MTMLP، از مجموعه بردارهای بازنمایی مبتنی بر طیف (مانند ویژگی گفتاری‌ LFBE) و همچنین، مبتنی بر کپستروم (مانند ویژ...

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...

موضوع تشخیص گفتار یکی از مباحث مهم و تحقیقاتی در وادی پردازش سیگنالهای گفتار می باشد که نزدیک به نیم قرن ذهن محققین و پژوهشگران را به خود مشغول نموده است. درحالت ایده آل هدف ، طراحی سیستمی می باشد که قادر به دریافت گفتار تلفظ شده بوده وهمانند مغز انسان حروف و واژه های ادا شده را تشخیص دهد. علیرغم تحقیقات وسیع هنوز ساخت سیستمی که درحد رضایتبخش قادر به تشخیص گفتار باشد تحقق نیافته است . یک سیستم ...

در میان تمام فناوریها و روشهای تشخیص هویت زیستی، بازشناسی گوینده بر مبنای اطلاعات صحبت را میتوان طبیعیترین و اقتصادیترین روش برای سیستمهای ارتباط انسان-ماشین دانست. همچنین توسعه فناوری پردازش صحبت باعث تقویت بسیاری از کاربردهای بازشناسی گوینده شده است. از آنجا که یکی از مهمترین زمینههای تحقیقاتی فعال که در سالهای اخیر در بسیاری از کاربردها باعث بهبود عمده در بازشناسی گوینده شده است استفاده از ر...

طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس...

یک سیستم بازشناس گفتار باید بتواند یک سیگنال گفتار بیان شده را مستقل ازگوینده، ابزار انتقال و محیط بیان گفتار به یک پیغام متنی تبدیل کند. یکی ازچالش های موجود در بازشناسی گفتار استفاده از سیستمهای بازشناس گفتار در محیط های واقعی است که در آنها نویز یا اثرات کانال همواره وجود دارد. این عوامل خصوصیات آماری سیگنال گفتار و ویژگی های آن را تغییرمی دهد به طوری که مدل آموزش یافته ای که ازروی گفتاربدون...