چیدمان بهینه ارایه میکروفونی با هدف افزایش دقت تشخیص گفتار دوردست در سیستم های بازشناسی گفتار خودکار

تشخیص گفتار از راه دور نویدبخش طبیعی ترین رابط انسان و رایانه می باشد زیرا تعامل انسان و ماشین را از طریق گفتار، بدون نی از به استفاده از میکروفون های متصل به سر و بدن، امکان پذیر می سازد. با این حال هنوز تشخیص گفتار دوردست امری چالش برانگیز است. در این مقاله، پردازش آرایه و بطورخاص شکل دهی پرتو جهت تشخیص گفتار دوردست، به همراه نتایج تجربی که اثربخشی الگوریتم های مختلف شکل دهی پرتو را شرح داده، ارائه شده است. و همچنین، سعی بر این است تا با بررسی هندسه های مختلف آرایه های میکروفونی و چینش مناسب میکروفون ها، حداکثر دقت تشخیص گفتار دوردست با استفاده از معیار نرخ خطای کلمه در مقایسه با میکروفون یقه ای حاصل شود. نرخ خطای کلمه یک میکروفون منفرد از آرایه، با استفاده از یک سیستم بازشناسی گفتار معادل با % 35.74 بدست آمد که این مقدار، مرجع مقایسه با آرایه ها با هندسه های مختلف، قرار داده شد . علاوه بر این، به مقایسه عملکرد چند الگوریتم شکل دهی پرتو با استفاده از معیار FWSegSNR پرداخته شد که از این میان شکل دهنده پرتو Superdirective بیشترین مقدار یعنی 8.32 دسی بل را به خود اختصاص داد. بر اساس نتایج و با مقایسه عملکرد آرایه ای کروی، دایروی و خطی نشان داده شد که یک آرایه کروی با قطر 8.4 سانتیمتر و 32 میکروفون می تواند دقت تشخیص % 5.9 درصد ارائه دهد که این مقدار قابل مقایسه یا بهتر از آنچه که توسط یک آرایه خطی و دایروی حاصل می شود، می باشد

کلیدواژه ها:

تشخیص گفتار ، گوینده دوردست ، آرایه میکروفونی ، آرایه کروی ، شکل دهی پرتو.