تقطیع هجایی گفتار پیوسته فارسی با استفاده از آستانه گذاری ضرایب موجک و نرم سازی فازیِ تابع انرژی

غزال شیخی، سید حمید محمودیان

چکیده

امروزه در تحقیقات حوزه پردازش و بازشناخت گفتار، هجا به دلیل ارتباط قوی آن با تولید و ادراک گفتار در انسان، به عنوان یک واحد زیرکلمه ای هر روز بیشتر مورد توجه قرار می گیرد. آشکارسازی خودکار مرزهای هجایی گامی مهم در تحقیقات مرتبط با نوای گفتار، تولید گفتار طبیعی و حتی بازشناسی گفتار است. در این مقاله روش جدیدی برای آشکارسازی خودکار مرزهای هجایی در سیگنال گفتار پیوسته فارسی با تکیه بر اطلاعات صوتی ارائه شده است. تحقیقات قبلیِ نویسندگان این مقاله، کارآیی نرم سازی فازیِ تابع انرژی را در مقایسه با سایر روش های به کار رفته در این زمینه نشان می دهد. در این تحقیق، پیشنهاد شده است که از روشی مشابه روش های متداول حذف نویز از گفتار به وسیله آستانه گذاری ضرایب موجک برای بهبود خطای درج مرز اضافه استفاده شود. این روند، انرژی همخوان های بی واکی را که در تابع انرژی قله­های اضافه ایجاد می کنند، به شدت کاهش می دهد. نتایج نشان می دهند با استفاده همزمان از این روش و روش نرم سازی فازی تابع انرژی، خطای درج مرز اضافه در حدود %8 کاهش می یابد؛ بدون آنکه سایر معیارهای کارآیی تحت تأثیر قرار گیرند. با استفاده از روش پیشنهادی بیش از %94 از هجاها با خطایی کمتر از 50 میلی ثانیه تقطیع می شوند.