بررسی و بکارگیری ویژگیهای مقاوم در بازشناسی گفتار

با رشد روزافزون سیستمهای بازشناسی خودکار گفتار و گسترش کاربرد سیستمهای فوق در کاربردهای عملی و محیطهای واقعی مبحث بازشناسی گفتار به بستر اصلی تحقیقات دانشگاهی در زمینه پردازش گفتار بدل شده است. مقاوم سازی سیستمهای خودکار بازشناسی گفتار در برابر نویز امری ضروری جهت استفاده از چنین سیستمهایی در محیطهای واقعی است. در این پایان نامه مقاوم سازی بازشناسی گفتار پیوسته در سطح واج در حوزه بازنمایی بستر تحقیقات قرار گرفت و جهت نیل به این هدف از روش ویژگیهای از دست رفته در حوزه بازنمایی استفاده شده است. در روش مورد بررسی ابتدا به هر کدام از اجزاء اسپکتروگرام سیگنال نویزی با توجه به تخریب ناشی از نویز برچسب قابل اعتماد و غیرقابل اعتماد زده می شود و اجزایی که برچسب غیرقابل اعتماد خورده اند از نمایش حذف می شوند. با توجه به افزونگی ذاتی اطلاعات در سیگنال گفتار می توان انتظار داشت که در دقت بازشناسی با استفاده از اجزای باقیمانده و غیرنویزی بهبود حاصل شود. دو رویکرد برای برخورد با اسپکتروگرام ناقص مطرح است: رویکرد ناقص پیش از بازشناسی و استفاده از مدلهای معمول است که در این پایان نامه رویکرد دوم مورد بررسی قرار گرفته است. مساله اصلی در رویکرد دوم چگونگی بازسازی ویژگیهای از دست رفته با استفاده از ویژگیهای قابل اعتماد است. جهت بازسازی پس از پیاده سازی الگوریتمهای پیشنهادی در کارهای پیشین سه ایده جدید ارایه گردید. نخست استفاده از ویژگیهای قابل اعتماد است. جهت بازسازی پس از پیاده سازی الگوریتمهای پیشنهادی در کارهای پیشین سه ایده جدید ارایه گردید. نخست استفاده از خوشه بندی آوایی جهت بهبود روش خوشه بندی معمولی. مدل سازی بردارهای طیفی با استفاده از توزیع لاپلاس و تخمین ویژگیهای از دست رفته بااستفاده از پارامترهای توزیع لاپلاس ایده دوم این پایان نامه بوده و در نهایت سومین ایده بهره گیری از همبستگی های زمانی جهت بازسازی اسپکتروگرام ناقص با استفاده از کالمن فیلتر می باشد.