حسن فرسی - دانشکده مهندسی، دانشگاه آزاد واحد بیرجند

در این مقاله یک الگوریتم استخراج ویژگی جدید مقاوم به نویز را پیشنهاد می دهیم. در این الگوریتم استخراج ویژگی از یک فیلتر غیرخطی و پوشش موقتی استفاده می کنیم و با بهره گیری از ویژگی دلتا- طیفی بجای ویژگی دلتا- کپسترال دقت بازشناسی صحبت را بطور مطلوبی افزایش می دهیم. تقریبا همه ی سیستم های ASR کنونی از ویژگی های کپسترال دلتا و دلتا-دلتا برای استخراج ویژگی صحبت استفاده می کنند. از جمله عواملی غیرمحیطی که باعث کاهش دقت بازشناسی می شود می توان به vocal-tract length اشاره کرد که منجر به عدم تطبیق میان داده ی training و testing می شود. برای کاهش تاثیرات VTL می توان از ایده ی IIF استفاده نمود. در این مقاله هدف، رسیدن به ویژگی های مقاومی است که علاوه بر اینکه در شرایط مختلف نویزی بهبودهایی را فراهم کند در مقابل تغییرات تاثیرات VTL نیز مقاوم باشد. نتایج نشان می دهد که دقت بازشناسی در مقایسه با MFCC و PLP در حضور انواع مختلفی از نویز و همچنین در دو سناریوی مختلف VTL بهبود یافته است.

بازشناسی صحبت، vocal-tract length، پوشش موقتی، فیلتر غیرخطی نامتقارن، ویژگی های کپسترال دلتا، Invariant-integration