بررسی اثر پارامترهای مدل مخفی مارکوف در سیستم بازشناسی

یکی از موضوعات پایه ای در حوزه پردازش گفتار، بازشناسی گفتار است که هدف اصلی آن دریافت سیگنال گفتار و تبدیل آن به متن و فرمان می باشد. طراحی و تولید سیستم های بازشناسی گفتار باعث صرفه جویی در وقت و هزینه می شود و به طرق مختلف کیفیت زندگی ما را افزایش می دهد. دو بخش اصلی یک سیستم بازشناسی گفتار استخراج ویژگی و مدل سازی آکوستیکی است که در دهه های گذشته پژوهش های زیادی در این زمینه ها صورت گرفته است، در این مقاله اثرات پارامترهای مدل مخفی مارکوف بر روی گفتار بررسی شده و نتایج بدست آمده از جداول و شکلها حاکی از آن است که با افزایش تعداد مخلوط های گوسی در حالتهای مختلف اگرچه باعث تحمیل بار محاسباتی به سیستم می شود اما دقت و نرخ صحیح بازشناسی گفتار بهبود قابل ملاحظه ای پیدا می کند. در این مقاله از پایگاه داده TIMIT به همراه نرم افزار متلب استفاده شده است.

کلیدواژه ها:

مدل مخفی مارکوف ، مدل مخلوط گوسی ، بازشناسی گفتار ، TIMIT