بازشناخت مقاوم گفتار فارسی با استفاده از ضرایب مل-کپستروم بهبودیافته و شبکه عصبی

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 فرکانس ،استفاده از تابع خودهمبستگی و حذف ضرایب مرتبه پایین ،تغییر پنجره ی مورد استفاده در مرحله ی پنجره بندی گفتار،استفاده از فیلتر های مناسب جهت حذف نویز کانولوشن ،استفاده از فیلتر بانک گوسی به جای فیلتر بانک مثلثی،افزودن بلوک های جبرانگر به تابع لگاریتم جهت بالا بردن مصونیت این بخش آسیب پذیر از الگوریتم. جهت ارزیابی عملکرد الگوریتم پیشنهادی و همچنین طبقه بندی نتایج، از یک شبکه عصبی پرسپترون چند لایه استفاده شده است. نتایج آزمایش های تشخیص گفتار فارسی در نرخ سیگنال به نویزهای متفاوت، نشان گر افزایش معنادار نرخ تشخیص در محیط نویزی و نیز مصونیت بیشتر الگوریتم پیشنهادی نسبت به الگوریتم پایه و همچنین برخی از الگوریتم های مطرح در این خانواده است. .