پردازش گفتار براساس VTLN و بررسی بازشناسی گفتار

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:

طول مجرای صوتی (VTL) ، نرمالیزه کردن طول مجرای صوتی (VTLN) ، تابع پیچش ، تخمین فاکتور پیچش