مقاوم سازی سیستم های تشخیص گفتار در برابر اعوجاج غیرخطی

درخصوص سیستم های تشخیص گفتار خودکار ،عملکرد، قابلیت اطمینان وحضور در همه جا در سال های اخیر رونق گرفته است واین به دلیل افزایش قدرت محاسباتی و نوآوری های تکنولوژیک مانند مدلهای پنهان مارکوف، وزن گیری حالت محدود و روش هاییادگیری عمیق است . یکی از مشکلاتی که آفت سیستم تشخیص گفتار می باشد ، به ویژه کسانی که کارآفلاین انجام می دهند و با دادههای خاص آموزش داده شده اند ، اثر مخرب نویز در دقت تشخیص گفتار است.هدف این مقاله بررسی اثرات فشرده سازی محدوده دینامیکی غیرخطی در تشخیص گفتار خودکار و توسعه تعدادی از تکنیک هایجدید برای توصیف و مقابله با آن است . این مقاله مشکل فشرده سازی محدوده دینامیکی را در سه روش انجام می دهد. 1- روش دامنه بلیند عادی، که با فشرده سازی محدوده دینامیکی مقابله میکند زمانیکه که مقادیر پارامتر آن اجازه می دهد که تابع به صورتریاضی معکوس باشد .2- تکنیک های بازسازی دامنه بلیند، به عنوان مثال، declipping ، که تلاش برای بازسازی بخش های کوتاه ازسیگنال گفتار که از طریق فشرده سازی محدوده دینامیکی غیر معکوس از درست رفته اند، را می کند .3- تکنیک آموزش همسان، که تلاش برای انتخاب مدل آکوستیک از قبل آموزش دیده با نزدیک ترین مجموعه ای از پارامترهای فشرده سازی انجام می دهد .هر سه این روش ها برتخمین مقاوم از محدوده دینامیکی پارامترهای اعوجاج فشرده سازی تکیه می کنند. الگوریتم های جدید برایپیش بینی بلیند از این پارامترها نیز معرفی شده اند. کیفیت الگوریتم از نظر درجه ای که باعث کاهش میزان خطا تشخیص گفتار کلمه،و همچنین از نظر درجه ای که آنها نسبت سیگنال به نویز یک سیگنال سخنرانی را افزایش دهد مورد بررسی قرار گرفته است.

کلیدواژه ها:

تشخیص گفتار ، فشرده سازی محدوده دینامیکی غیرخطی ، روش های یادگیری عمیق