راحله غلامی - دانشجوی کارشناسی ارشد الکترونیک دانشگاه صنعتی نوشیروانی بابل
محمدرضا کرمی ملایی - دانشیار گروه مهندسی برق دانشگاه صنعتی نوشیروانی بابل
علیرضا بهزادی - دانشجوی کارشناسی ارشد الکترونیک دانشگاه صنعتی نوشیروانی بابل

همزمان با رشد وتوسعه سیستم های پردازش گفتار , کاربرد آن در زمینه های مختلفی از قبیل مخابراتی , چندرسانه ای گسترش یافته است. به طوریکه امروزه آشکارساز گفتار 1 مولفه اصلی سیستم های ارتباطی مختلف نظیر کدگذار گفتار , بازشناسی گفتار وحذف اکو محسوب می شود.برای تشخیص قسمت های مختلف گفتار، روش های مختلفی نظیر روش عبوراز صفر, روش محاسبه انرژی، میانگین دامنه، روش های مبتنی برموجک وسپس آستانه گذاری برروی آنها استفاده می گردد. در این مقاله علاوه بر روش های ذکر شده از انرژی غیرخطی برای کاهش نویز ایستا استفاده شده است. مطالعه نتایج آزمایش ها نشان می دهد که به ازای سیگنال به نویزهای مختلف در تشخیص قسمت گفتار سیگنال صوتی عملکرد مطلوبی داشته است. در انتها با استفاده از شبکه عصبی RBF و MLP قسمت های مختلف سیگنال را طبقه بندی نمودیم. بررسی نتایج نشان می دهد که شبکه عصبی MLP در 80 درصد از موارد موفق عمل کرده است.

آشکارسازی سیگنال گفتار، آنالیز موجک،انرژی غیرخطی، شبکه عصبی