روش جدید بهینه سازی گفتار با استفاده از بازنمایی تنک و اسپکتروگرام شنیداری

در این مقاله با استفاده از فضای اسپکتروگرام شنیداری (فضای دوبعدی STRF) و بازنمایی، تنک روش جدیدی برای بهبود کیفیت گفتار ارائه می شود. در این فضای طیفی- زمانی در مرحله اول، طیف نگاره گفتار حاصل شده و در مرحله بعد، طیف نگاره گفتار شنیداری، به دوبعد مقیاس و نرخ تجزیه می شود. در سالهای اخیر روش تنک جایگاه ویژه ای در روش های پردازش گفتار یافته است، ایده اصلی در این روش، بازسازی هر سیگنال گفتار با استفاده از تعداد محدودی اتم های پایه است. استفاده از بازنمایی تنک در یادگیری لغت نامه های گفتار و نویز، باعث جداساز بهتر قسمتهای گفتار و نویز و تخمین دقیق تر قسمت های گفتار می شود. در این الگوریتم با استفاده از اسپگتروگرام شنیداری و با کمک بازنمایی تنک، لغت نامه های با اندازه اتم های متفاوت و دو روش یادگیری KSVD و NMF ساخته شد و بطور مثال در SNR=-۱۰dB در نویز سفید PESQ=۲.۷۰۹ و در نویز همهمه PESQ=۲.۶۲۹ حاصل شد. با مقایسه پارامتر PESQ، حاصل از نتایج این روش با روش های دیگر، نشان می دهد که روش های پیشنهادی در نویزهای مختلف ، دقت لازم و کافی را دارد.

کلیدواژه ها:

بهینه سازی گفتار ، اسپکتروگرام شنیداری ، بازنمایی تنک ، لغت نامه های گفتار و نویز