استفادها ز تحلیل اجزای اصلی در بازشناسی گفتار پیوسته زبان فارسی برای مقاوم سازی ویژگیها و کاهش تعداد آنها

دراین مقاله اعمال تبدیل PCA روی روش استخراج ویژگیهای سیستم بازشناسی گفتار پیوسته مبتنی بر مدل مخفی مارکوف جهت کاهش تعداد ویژگیها و مقاوم کردن آنها در برابر نویز محیط مورد توجه قرارگرفته است دراین کار تبدیل PCA درسیستم بازشناسی گفتار پیوسته زبان فارسی با واژگان بزرگ بکارگرفته شده است و به استفااده از آن در قسمتهای مختلف مرحله استخراج ویژگیها پرداخته شده است تا محلی بهینه برای اعمال این تبدیل در مراحل استخراج ویژگیهای MFCC بدست اید مساله استفاده از تبدیل برای داده های تمیز و نویزی به همراه کاهش تعداد ویژگیها بررسی شده است درنتایج حاصل کاهش بعد بردار ویژگیها تا حدود 30% کارایی سیستم در شرایط تمیز را کاهش نمی دهد و در کنار آن سرعت سیستم را نیز بهبود می بخشد.

کلیدواژه ها:

بازشناسی گفتار پیوسته ، استخراج ویژگیهای مقاوم ، تبدیل PCA ، تحلیل اجزای اصلی ، کاهش تعداد ویژگیها