بازشناسی مقاوم گفتار با استفاده از فیلتر کردن زمانی ویژگی های MFCC

در این مقاله، با استفاده از روش های آماری مبتنی بر داده روش هایی برای فیلتر کردن ضرایب کپسترال فرکانس مل جهت بازشناسی مقاوم گفتار ارایه می شود. چنین فیلترهایی با عنوان فیلتر زمانی نامگذاری می شوند در واقع فیلتر زمانی به فیلتری اطلاق می شود که دنباله زمانی ضرایب کپسترال را برای کاهش نویز در آن فیلتر می کند. این فیلترها را می توان توسط روش های آماری متناسب با یک پایگاه داده خاص طراحی کرد. هرچه طول فیلتر کمتر باشد، تاخیر در بازشناسی کمتر خواهد بود. ما از توانایی روش آنالیز مولفه مستقل (ICA) در جدا کردن منابع مستقل سود جسته ایم و همزمان از آنالیز مولفه اساسی (PCA) که توانمندی خوبی در کاهش نویز دارد، بهره برده ایم تا فیلتری با طول 7 و کاراتر نسبت به هر دو روش مذکور طراحی کنیم. روش های مذکور جهت بررسی قدرت آن ها در استخراج ویژگی های مقاوم به نویز بر روی پایگاه داده Aurora2 تست و مقایسه شده اند.

کلیدواژه ها:

بازشناسی مقاوم گفتار ، ضرایب کپسترال فیلتر بانک مل ، فیلتر زمانی ، روش مبتنی بر داده ، آنالیز مولفه اساسی ، آنالیز مولفه مستقل ، پایگاه داده Aurora2