Thesis

مقاوم سازی سیستم بازشناسی گفتار پیوسته

Abstract(in Persian; no English abstract is available)

دقت سیستم¬های بازشناسی گفتار در محیط¬های آزمایشگاهی و کنترل شده به میزان قابل قبولی افزایش یافته و امروزه شاهد استفاده از این سیستم¬ها در محیط¬های واقعی هستیم. با این حال، کارایی این سیستم¬ها در حضور نویز به دلیل عدم تطابق بین شرایط و محیط آموزشی و آزمون به شدت افت می¬کند. علاوه بر این، تنوع مشخصه¬های گفتاری گویندگان نیز بر کارایی این سیستم¬ها تاثیرگذار است. در سال¬های اخیر، عمده پژوهش¬های صورت گرفته در زمینه بازشناسی گفتار در راستای کاهش عدم تطابق بین شرایط آموزش و آزمون، در نتیجه افزایش کارایی آنها برای کاربردهای عملی است. انتقال بردار ویژگی، معیار آموزش سیستم، تطبیق مدل با گوینده و مهم¬تر از همه کاهش اثر تخریبی نویز بر کارایی سیستم، اصلی-ترین مباحث در مقوله مقاوم¬سازی سیستم بازشناسی گفتار بوده¬اند. از میان دو دسته عمده روش¬های مقاوم¬سازی در برابر نویز، روش¬های مبتنی بر ویژگی و روش¬های مبتنی بر مدل، دسته دوم از انعطاف بیشتری برخوردار بوده و منجر به بهبود بیشتری می¬شوند. محور اصلی این روش¬ها انطباق پارامترهای مدل آکوستیکی با شرایط آزمون است. در این پایان¬نامه روش¬های مختلف مقاوم¬سازی نسبت به نویز مرور شده و از این بین، بردار سری تیلور (vts) مورد مطالعه دقیق و استفاده قرار گرفته است. آموزش تمایزگرایانه نیز، به عنوان جایگزینی برای معیار بیشینه درست¬نمایی (ml)، در سال¬های اخیر کانون توجه برخی از پژوهشگران بوده است. بیشینه-کردن درست¬نمایی داده¬های آموزشی با معیار ارزیابی سیستم، نرخ خطا، ارتباط چندانی ندارد. گذشته از این، در حالتی که توزیع واقعی داده¬های آموزش مشخص نباشد، معیار تمایزگرایانه نرخ خطای کمتری در مقایسه با معیار بیشینه درست¬نمایی دارد. همین امر موجب شد تا از آموزش تمایزگرایانه (به ویژه روش fbmmi+bmmi) همراه با انتقال بردار ویژگی و آموزش تطبیقی با گوینده (sat) برای آموزش سیستم استفاده شود. برای ارزیابی این روش¬ها از نرم¬افزار kaldi و مجموعه دادگان timit استفاده شد. به¬کارگیری روش ترکیبی معرفی شده بر روی دادگان تمیز منجر به بهبود 5 درصدی دقت نسبت به سیستم پایه شد. برای شرایط نویزی، روش vts پیشنهادی مورد استفاده قرار گرفت که نسبت به vts کلاسیک در بهترین شرایط 7 درصد افزایش نسبی کارایی را به همراه داشته است. بکارگیری این روش با روش ترکیبی پیشنهادی برای داده¬های تمیز بر روی داده¬های نویزی شده دقت سیستم را به طور متوسط تا 34 درصد افزایش داد.

Supervisors and advisors

منوچهر کلارستاقی، فرشاد عشقی

Similar theses

  • مدلسازی تنوعات تلفظی آوایی به منظور ایجاد واژگان پویای تطبیقی در سیستم بازشناسی گفتار پیوسته

    Thesis2008وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسیبهرام وزیرنژاد

    در این رساله به ارائه روشهایی برای مدلسازی تلفظ در واژگان برای بهبود عملکرد سیستم بازشناسی گفتار پیوسته پرداختیم. تلفظ تحت تاثیر عوامل متعددی از جمله عوامل وابسته به گوینده و مستقل از گوینده می باشد. این عوامل می توانند موضعی و فرا موضعی باشند. بخشی از تحقیق حاضر به بررسی آماری م

  • مقاوم سازی سیستم های بازشناسی گفتار و گوینده در مقابل نویزهای جمع شونده و نویز کانال

    Thesis2008وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی کامپیوترامیرحسین حاج احمدی

    با توجه به اهمیت و نقش بالای مقاوم سازی سیستم های بازشناسی گفتار و گوینده در مقابل نویزهای محیطی، در این مجموعه ابتدا تأثیر استفاده از پیک های طیف دنباله خودهمبستگی به عنوان ویژگی های مقاوم برای استفاده در سیستم های بازشناسی گوینده مورد بررسی قرار گرفته است. سپس تأثیر روش های هنج

  • بررسی اثرات خطوط تلفنی بر روی سیگنال صوتی و جبران اثرات نویز تلفنی بر سیستم بازشناسی گفتار فارسی

    Thesis2003وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی کامپیوترسعید مرادی

    شرایط محیطی دریافت صوت از جمله محدودیت پهنای باند در کانال انتقال استفاده از وسایل با کیفیت پایین و اثر میکروفن بعنوان نویز کانوالو شونده و همچنین اثرات جریان هوا و گفتگوهای زمینه و .... بعنوان نویز جمع شونده باعث افت آشکار در کارایی سیستم های بازشناسی گفتار می شود. هدف از روشهای

  • ارائه یک ساختار جدید وابسته به بافت برای بازشناسی گفتار پیوسته

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه قم - دانشکده فنیمحمد احمدی

    این پژوهش، کوششی است برای ارائه یک ساختار وابسته به بافت برای بازشناسی گفتار پیوسته. مدل سازی مستقل از بافت، اثر واج های پیرامون را بر تلفظ هر واج، نادیده می گیرد و به همین دلیل، برای مدل سازی هر واج، همه نمونه های آموزشی مربوط به آن واج را در نظر می گیرد. در نظر گرفتن اثر بافت د

  • بهبود دقت و مقاوم سازی سیستم های بازشناسی اثر انگشت

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه امام رضا علیه السلام - دانشکده مهندسی کامپیوترمهدیه محمدی نژاد

    در میان سیستم های تعیین هویت، سیستم های تعیین هویت با استفاده از اثرانگشت، از قابلیت اعتماد و سطح امنیت بیشتری برخوردارند. با توجه به اینکه اثر انگشت هر شخص منحصر بفرد است اثر انگشت به عنوان یک نشانه مطمئن برای شناسایی و تایید هویت افراد بکار گرفته می شود در واقع اثر انگشت الگویی

  • بازشناسی گفتار پیوسته فارسی به کمک شبکه های عصبی

    Thesis1999وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایرانمنیژه منتظریان

    گفتار محصول سیستمهای تولید و درک گفتار و مغز انسان است . انسان همیشه از طریق گفت و شنود توانسته است ارتباط بهتری با محیط خود برقرار کند. بنابراین اگر بتوان از کامپیوتر بصورت سمعی و بصری بهره گرفت ، تحول بزرگی در استفاده از آنها بوجود می آید. در این پروژه، بمنظور طراحی روشهایی در

Similar items