بهبود بازشناسی کلمات مجزا در سامانه های تلفن گویای گفتاری در زبان فارسی

یکی از موثرترین راه های افزایش دقت سیستم های بازشناسی گفتار کلمات مجزا، به کارگیری اطلاعات آوایی (به صورت آماری ) می باشد. بازشناسی گفتار در سامانه های تلفنی در حالت کلی به دلیل دامنه فرکانسی پایین تر، نویز بیشتر و افزایش پیچیدگی و انواع نویز های موجود، پیچیدگی و چالش های بیشتری دارد . برای کاربردهای بازشناسی گفتار روش های مختلفی بر اساس مدل های آوایی متنوع پیشنهاد شده اند که هر یک سعی می کنند بخشی از سطوح اطلاعات آوایی را پوشش دهند . هرچند مدل های آوایی تا حدود زیادی قادرند ساختارهای موجود در آوا را مدل سازی کنند ولی هرکدام از آن ها فقط پدیده های خاصی را پوشش می دهند . هیچ کدام از این مدل های آوایی به تنه ایی قادر نیستند همه پدیده های آوایی را به طور هم زمان در چارچوب یک مدل احتمالاتی بگنجانند . یکی از مهمترین فاکتورهای یک مدل آوایی، دادگان آموزشی آن می باشد که بر اساس دامنه، مدل آوایی، بوسیله آنها آموزش می بیند . در این پژوهش برآنیم تا ترکیبی از مدل های آوای ی مختلفی را با روش های مطرح که کاربرد فراوانی در بازشناسی گفتار دارد، آموزش داده و بر اساس تفاوت در دادگان آموزشی، به عنوان یک فاکتور مهم مورد تحقیق قرار دهیم . هدف از این کار، قرار دادن اطلاعات و پیچیدگی های خطوط انتقالی مخابراتی و نویز های مربوطه در داخل مدل و یاد دادن این پیچیدگی ها به مدل آوایی، و سپس بررسی افزایش دقت مورد نظر می باشد . بدین ترتیب که بر فرض صحیح بودن روش بازشناسی در این دامنه و ثابت ماندن آن، تغییرات دادگان آموزشی چه تغییری می تواند ایجاد کند. در ادامه، به ارائه ایده ای خواهیم پرداخت که ا ز طریق آن، از روی تشخیص روشن -خاموش بودن حالت مدل بهینه مربوط به آنرا بارگزاری می نمائیم.