روشی جدید برای استخراج ویژگی صحبت مبتنی بر استفاده از ویژگی طیفی دلتا و Invariant-integration

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 روشی جدید برای استخراج ویژگی صحبت مبتنی بر استفاده از ویژگی طیفی دلتا و Invariant-integration دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد روشی جدید برای استخراج ویژگی صحبت مبتنی بر استفاده از ویژگی طیفی دلتا و Invariant-integration  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی روشی جدید برای استخراج ویژگی صحبت مبتنی بر استفاده از ویژگی طیفی دلتا و Invariant-integration،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن روشی جدید برای استخراج ویژگی صحبت مبتنی بر استفاده از ویژگی طیفی دلتا و Invariant-integration :

تعداد صفحات :۱۰

چکیده مقاله:

در این مقاله یک الگوریتم استخراج ویژگی جدید مقاوم به نویز را پیشنهاد می دهیم. در این الگوریتم استخراج ویژگی از یک فیلتر غیرخطی و پوشش موقتی استفاده می کنیم و با بهره گیری از ویژگی دلتا- طیفی بجای ویژگی دلتا- کپسترال دقت بازشناسی صحبت را بطور مطلوبی افزایش می دهیم. تقریبا همه ی سیستم های ASR کنونی از ویژگی های کپسترال دلتا و دلتا-دلتا برای استخراج ویژگی صحبت استفاده می کنند. از جمله عواملی غیرمحیطی که باعث کاهش دقت بازشناسی می شود می توان به vocal-tract length اشاره کرد که منجر به عدم تطبیق میان داده ی training و testing می شود. برای کاهش تاثیرات VTL می توان از ایده ی IIF استفاده نمود. در این مقاله هدف، رسیدن به ویژگی های مقاومی است که علاوه بر اینکه در شرایط مختلف نویزی بهبودهایی را فراهم کند در مقابل تغییرات تاثیرات VTL نیز مقاوم باشد. نتایج نشان می دهد که دقت بازشناسی در مقایسه با MFCC و PLP در حضور انواع مختلفی از نویز و همچنین در دو سناریوی مختلف VTL بهبود یافته است.