بهبود تخمین نویز غیر ایستان جهت بهبود عملکرد سیستم های تشخیص فعالیت گفتاری
چکیده
آشکارساز فعالیت گفتاری (vad) یکی از بخش های بسیار مهم در پردازش گرهای سیگنال های صوتی بوده و در بسیاری از سیستم های مخابراتی و صوتی نظیر فشرده سازی گفتار، بازشناسی گفتار، به سازی گفتار، سیستم های مخابراتی بدون سیم و بسیاری دیگر از سیستم های ارتباطی مورد استفاده قرار می گیرد. vadها برای آشکارکردن سیگنال ورودی و برچسب زدن آن به دو کلاس گفتار و غیر گفتار مورد استفاده قرار می گیرند. این تقسیم بندی کارایی بیشتری برای سیستم های مخابراتی و پردازش صوت ذکر شده به همراه دارد. به عنوان مثال، در یک سیستم مخابرات موبایل، معمولا 60 درصد از زمان محاوره را سیگنال گفتار اشغال می کند و مابقی آن سیگنال غیر گفتاری است که حاوی اطلاعات مفیدی نمی باشد بنابراین، اگر در این مورد سیستم vad مورد استفاده قرار گیرد و تنها بخش گفتاری سیگنال ارسال شود، مزایایی از قبیل کاهش ظرفیت مورد نیاز کانال و توان مصرفی را برای سیستم فوق به همراه خواهد داشت. به عنوان نمونه ای دیگر می توان به کاربرد آن در سیستم های به سازی گفتار اشاره کرد که در آنها می توان از vad در تخمین نویز زمینه سود جست و آمارگان نویز را از بخش های غیر گفتاری برچسب زده شده توسط vad تخمین زد. تاکنون روش های متعددی در این زمینه مطرح شده اند که کارایی آنها وابستگی زیادی به شرایط نویز زمینه ی موجود در محیط دارد. به گونه های از کارایی اکثر روشهای موجود، تحت شرایطی که توان نویز بر توان گفتار غالب باشد و یا آمارگان نویز متغیر با زمان باشد، کاسته خواهد شد. از این رو، رویکرد این پایان نامه در جهت ارائه روشی موثر در تشخیص نواحی گفتار و غیرگفتار در شرایطی است که نویز زمینه غیرایستان بوده و سطح توان نویز نیز بیش از سطح توان گفتار باشد. به این منظور با ایجاد شرایط مورد نظر به کمک نویزهای غیر ایستان استانداردی هم چون نویز babble، صحت روش های موجود و نیز روش مطرح شده مورد بررسی قرار گرفته است. با توجه به تعریف مسأله ، دو روش پیشنهادی در این پایان نامه مطرح گشته است. روش اول بر مبنای مفهوم انتروپی است. نتایج بدست آمده از این روش حاکی از آن است که این طرح در حضور نویزهای ایستان و شبه ایستان عملکرد خوبی حتی در شرایطی که توان نویز بر توان سیگنال غالب باشد، دارد. اما در مواجه با نویزهای غیر ایستانی چون babble ناتوان است. روش دوم مطرح شده، فعالیت آشکارسازی فریم های گفتاری از غیر گفتاری در حضور نویز غیرایستان و در شرایطی که توان نویز بر توان سیگنال غالب است را دارد.