استخراج ویژگیهای گفتاری مقاوم به نویز با استفاده از شبکه عصبی درهم پیچش

سال انتشار: 1395
محل انتشار: دومین کنفرانس بین المللی پردازش سیگنال و سیستم های هوشمند
کد COI اختصاصی: SPIS02_018
زبان مقاله: فارسی
تعداد مشاهده: 591

نویسندگان

دانشجوی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

چکیده

شبکه های عصبی درهم پیچش به عنوان گروهی از شبکه های عصبی عمیق، در سال های اخیر کاربرد فراوانی در مدلسازی آکوستیک و همچنین استخراج ویژگی و مدل سازی توام در بازشناسی گفتار یافته اند. ورودی این شبکه های عصبی در تحقیقات اخیر، طیف نگار گفتار و یا حتی خود گفتار خام بوده است. در مقاله حاضر، پیشنهاد می شود تا از شبکه عصبی درهم پیچش برای استخراج ویژگی مقاوم به نویز استفاده شود، درحالی که ورودی شبکه عصبی درهم پیچش طیف سیگنال گفتار نویزی و خروجی هدف آن خروجی های متناظر تمیز از بانک فیلتر ملی است. به این ترتیب شبکه عصبی درهم پیچش ویژگی های مقاوم به نویز را از طیف سیگنال گفتار استخراج می نماید. برای یادگیری و استخراج ویژگی بهتر توسط شبکه عصبی درهم پیچش، ساختار و پارامترهای مختلف آن از قبیل اندازه فیلتر درهم پیچش، اندازه ادغام و تعداد نورون ها در هر لایه در کار حاضر مورد بررسی قرار گرفته اند. آزمایش های انجام شده روی دادگان Aurora2 با استفاده از یک سیستم بازشناسی گفتار متشکل از مدل مخلوط گاوسی و مدل مخفی مارکف، نشان می دهند که شبکه های عصبی درهم پیچش عملکرد بهتری در استخراج ویژگی مقاوم به نویز نسبت به شبکه های باور عمیق و خود بانک فیلتر مل دارد، به طوری که میانگین دقت بازشناسی را نسبت به شبکه ی باور عمیق 25 درصد بهبود می دهد

کلیدواژه ها

شبکه عصبی درهم پیچش بازشناسی مقاوم گفتار درهم پیچش ادغام بانک فیلترمل

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.