محمدمهدی همایون پور - آزمایشگاه سیستمهای هوشمند صوتی گفتاری دانشگاه صنعتی امیرکبیر
مجید رئیسی دهکردی
کامبیز بدیع
سیدحسین خاتون آبادی

در سالهای اخیر ماشین بردار پشتیبان یا SVM به شکل گسترده ای در مسائل شناسایی و دسته بندی الگو مورد استفاده قرار میگیرد نتایج حاصل از بکارگیری این روش درکاربردهای متفاوت دلالت برکارایی بالای آن دارد درمواردی چون برنامه های رادیویی و تلویزیونی که گفتار و موزیک تواما پخش می شود و بهدلایلی چون ذخیره سازی و مانند آن مایل به جداسازی گفتار از موزیک هستیم نیاز به سیستمی که بتواند بطور خودکار بازشناسی گفتار از موزیک را انجام دهد احساس می شود دراین مقاله بازشناسی گفتار از موزیک در پخش رادیویی به روش ماشین بردار پشتیبان موردمطالعه قرارگرفته است از آنجا که زمان آموزش و آزمایش در ماشین بردار پشتیبان بالا می باشد سیستم ترکیبی متشکل از کوانتیزاسیون برداری و ماشین بردار پشتیبان جهت کاهش زمان آموزش و آزمایش پیشنهاد شده است.

شناسایی گفتار از موزیک، ماشین بردار پشتیبان، کوانتیزاسیون برداری ، مشتق ضرایب کپسترال مبتنی بر معیار مل، مشتق ضریاب کپسترال مبتنی بر آنالیز پیشگویی خطی