ارائه تحلیلی جامع بر روش های تشخیص لهجه های عربی در محیط های نویزی کانال های رادیویی

تشخیص خودکار لهجه های عربی (ADI) به عنوان یکی از چالش برانگیرترین مسائل در حوزه پردازش گفتار شناخته می شود. با گسترش کاربردهای عملیاتی در محیط های واقعی از جمله سیستم های امنیتی، ارتباطات رادیویی و خودروهای خودران، نیاز به توسعه سامانه های مقاوم در برابر نویز و اعوجاج های کانالی بیش از پیش احساس می شود. این مقاله مروری جامع، به بررسی سیستماتیک روش های نوین تشخیص لهجه عربی در شرایط نویزی می پردازد. در این راستا، ابتدا مهم ترین مجموعه داده های استاندارد شامل ADI۱۷، MGB-۳ و MGB-۵ معرفی شده و چالش های مربوط به کیفیت صوت در هرکدام تحلیل می شود، سپس، طیف وسیعی از ویژگی های آکوستیکی مقاوم از جمله MFCC، PLP، RASTA-PLP، CQT و ویژگی های آهنگی مورد بررسی قرار می گیرد. در ادامه، معماری های مختلف یادگیری عمیق شامل شبکه های کانولوشنی، LSTM، Transformer و مدل های خودنظارتی مانند wav۲vec۲، HuBERT و Whisper با تاکید بر مقاومت در برابر نویز مقایسه می شوند. نوآوری اصلی این مقاله ارائه یک چارچوب تحلیلی یکپارچه برای ارزیابی روش های مختلف در شرایط نویزی مشابه کانال های رادیویی باندپایه است. نتایج نشان می دهد که مدل های خودنظارتی fine-tuned شده در ترکیب با معماری های چندشاخه، بهترین عملکرد را در شرایط نویزی شدید (SNR<۱۵dB) دارا بوده و می توانند دقت تشخیص را تا ۹۲٪ در محیط های عملیاتی حفظ نمایند. همچنین، شناسایی شکاف های پژوهشی موجود و ارائه راهکارهای آینده از دیگر دستاوردهای این مطالعه می باشد.

کلیدواژه ها:

تشخیص خودکار ، کانال رادیویی ، لهجه عربی ، محیط نویزی