بررسی راهکارهای مختلف در پردازش صحبت ( Speech Recognition (

در این مفاله راهکارهای مختلفی که اکثرا در روشهای پردازش صحبت مورد بحث قرارمی گیرد باهم مقایسه شده و یک مسیر مطمئن از شروع تا انتهای پردازش صحبت توصیه شده است . صحبت توسط حنجره تولید می شود و گوش انسان آن را گرفته و سیگنالهایی را به مغز می رساند . محدوده قابل سمع ٢٠-٢٠٠٠٠ هرتز می باشد ولی محدوده فرکانسی صحبت از ٥٠ تا ٨٠٠٠ هرتز افزایش نمی یابد . برای پردازش صحبت ابتدا با یک میکروفن و کارت صدا ، صحبت را به سیگنال تبدیل می کنند . در ادامه پیش پردازشهایی روی سیگنال انجام می شود و از یک محدوده زمانی از سیگنال که مانا باشد ویژگیهایی استخراج شده و بردارهای ویژگی بدست آمده طبقه بندی شده و تشخیص انجام می شود .

کلیدواژه ها:

سیگنال صحبت ، پنجره بندی ، اسپکتروم ، کپستروم ، طبقه بندی کردن