کاربرد شبکه عصبی دوسویه در اصلاح بردارهای بازنمایی گفتار تلفنی و میکروفونی

شبکه عصبی دوسویه در بررسیهای گذشته نشان داده است که توانایی اصلاح بردارهای تخریب شده توسط نویز محیط و کانال انتقال در گفتارهای تلفنی و میکروفونی را دارد. در این مقاله ما تلاشیدوباره برای افزایش صحت بازشناسی گفتار میکروفونی و تلفنی با دو باراصلاح بردارهای بازنمایی توسط شبکه عصبی دوسویه انجام داده ایم.برای این منظور شبکه عصبی دو سویه یک بار توسط بردارهای بازنمایی لگاریتم انرژی بانک های فیلتر (LFBE) تعلیم داده شده و پس از تعلیم، کلیه بردارهای بازنمایی توسط آن اصلاح می شوند . سپس این بردارهای اصلاح شده به یک شبکه دوسویه دیگر تعلیم داده شده و مثل قبل اصلاح می شوند. برای ارزیابی کیفیت بردارهای بازنمایی از مدلهای مخفی مارکوف استفاده شده است. برای این منظور مدلهای مخفی مارکوف توسط بردارهای بازنمایی LFBE,MFCC تلفنی و میکروفونهی حاصل از دو مرحله اصلاح تعلیم داده شده اند. بردارهای بازنمایی LFBE بدست آمده اند. بااعمال این تکنیکهای جدید دررصد بازناشی آوا برای گفتار میکروفونی و تلفنی به ترتیب 4/7 درصد و 9/3 درصد افزایش یافته است علاوه بر این با تعلیم یک سیستم بازشناسی گفتار توسط دادگان میکروفونی اصلاح شده و آزمون آن بر روی دادگان تلفنی اصلاح شده ، 25/6 درصد افزایش صحت بازشناسی درمقایسه با سیستم بازشناسی مشابه مبتنی بر دادگان اصلاح نشده،بدست آمده است که این خود توانایی سیستم پیشنهادی را در اصلاح بردارهای بازنمایی نشان می دهد.

کلیدواژه ها:

اصلاح بردار بازنمایی ، بازشناسی مقاوم گفتار ، شبکه عصبی دوسویه ، مدل مخفی مارکوف