حمیدرضا توحیدی پور - دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی تکنی
سیدعلی سیدصالحی - استادیار مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)
حسین بهبود - دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی تکنی

اگر چه تبدیل موجک قابلیت تفکیک چندرزولوشنی را دارا می باشد اما علی رغم این ،هنوز به درستی برای بازشناسی گفتار مناسب سازی نشده است دراین مقاله یک روش تازه برای استخراج پارامترهایی بازنمایی گفتار برمبنای موجک های دارای افزونگی ارائه می شود این موجک ها کمتر تغییر پذیر با زمان هستند بنابراین به نظر می آید برای بازشناسی گفتار مناسب تر البته این بهبود با ایجاد افزونگی بدست آمده است در این مقاله سه روش استخراج ویژگی از طریق موجک ارائه می شود که شامل استخراج توسط یک تبدیل موجک ساده، ترکیبی از چندموجک مناسب و استخراج توسط فیلتر بانک های سه کانالی دارای افزونگی می باشد در پایان این روش ها با استفاده از شبکه عصبی جلوسو با تاخیر زمانی مقایسه می شوند و نشان داده خواهد شد که در بازشناسی گفتار فیلتر بانکهای سه کانالی دارای افزونگی ، بهتراز موجک های عادی عمل می کنند.

تبدیل موجک، بازشناسی گفتار، شبکه عصبی جلوسو باتاخیر زمانی، فیلتر بانک های دارای افزونگی، فارس دات