دسته بندی آواهای زبان انگلیسی با استفاده از ضرایب MFCC و روش دسته بندی ماشین بردار پشتیبان
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 491
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_273
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در این مقاله روشی برای دسته بندی آواهای زبان انگلیسی ارائه شده است که در آن برای استخراج ویژگی از ضرایب مبتنی بر سیستم شنوایی انسان MFCC استفاده شده است. تعداد 16 آوا که همگی دارای فرکانس نمونه برداری 16KHZ می باشند، از پایگاه داده TIMIT انتخاب شده است. هرکدام از فایل های آوایی دارای طول زمانی 20s بوده که به قابهای 20ms تقسیم بندی شده اند وبرای هر قاب 13 ضریب MFCC 13 ، ضریب MFCC Δ به عنوان سرعت، 13 ضریب ΔΔMFCC به عنوان شتاب و علاوه بر اینها پارامتر ENERGY به عنوان انرژی هر قاب، پارامتر ΔENERGY و ΔΔ ENERGY نیز محاسبه شده و 42 ویژگی بدست آمده به عنوان بردار ویژگی هر قاب استفاده شده است. سپس با استفاده از روش دسته بندی کننده SVM آواهای تست دسته بندی شده است. دقت تشخیص در بهترین حالت 91.8 % بدست آمده است که نشان دهنده کارایی بالای ویژگی های استخراج شده شده در تشخیص آواهای زبان انگلیسی است.
کلیدواژه ها:
نویسندگان
فاطمه زهرا اربابی
دانشجوی کارشناسی ارشد مخابرات دانشگاه آزاد اسلامی گروه برق واحد گناباد
جلیل شیرازی
استادیار گروه برق مخابرات، دانشگاه آزاد اسلامی واحد گناباد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :