پردازش گفتار براساس VTLN و بررسی بازشناسی گفتار
محل انتشار: هشتمین همایش پژوهش های نوین در علوم و فناوری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 500
فایل این مقاله در 11 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:
EMAA08_012
تاریخ نمایه سازی: 4 مهر 1396
چکیده مقاله:
با توجه به این مسیله که پردازش گفتار از جمله علوم چند رشته ای و دارای کاربردهای فراوان است، در این مقاله سعی شده است، پردازش گفتار به روش نرمالیزه کردن طول مجرای صوتی (VTLN) مورد بررسی قرار گیرد. طول مجرای صوتی (VTL) در گویندگان مختلف متفاوت است. جهت محدود کردن این مهم از تکنیک نرمالیزه کردن طول مجرای صوتی (VTLN) استفاده شده است. روش VTLN به طور کلی از تابع پیچش پیروی می کند. فاکتور پیچشی نسبت بین طول مجرای صوتی گوینده و طول مجرای صوتی مرجع است. برای این منظور یک مدل آزمایشی به عنوان مرجع در نظر گرفته شده است و فاکتور پیچش برای هر شخص از همین بیان های قابل دسترس تخمین زده شده است. سپس بحث آموزشی گفتار و بازشناسی آن مورد بررسی قرار گرفته و در نهایت مباحث پژوهش در غالب یک بلوک دیاگرام با روش MFCC همراه با VTLN پیاده سازی شده است که این خود تعیین کننده نقش مهم VTLN در مبحث پردازش گفتار است.
کلیدواژه ها:
نویسندگان
رضا یزدانی
دانشجوی کارشناسی ارشد رشته الکترونیک دانشگاه پیام نور استان تهران
مهدی جوانمرد
استادیار و عضو هیات علمی دانشگاه پیام نور استان تهران