بهسازی سیگنال گفتار مبتنی برمدل مخفی مارکوف با ویژگیهای DCT

ازجمله روشهای کارآمد بهسازی سیگنال گفتار درحضور نویز ناایستان مدل مخفی مارکوف HMM است که عمدتا مبتنی برفرض خودبازگشتی AR است و از ویژگیهای ضرایب پیش بینی خطی LPC استفاده می کند دراینم قاله بهسازی گفتار مبتنی بر HMM برای استفاده از ضرایب تبدیل کسینوسی گسسته DCT پیشنهاد شده است که درآن از ویژگیهای dCT برای آموزش و ازمون مدل مخفی مارکوف استفاده می کند ارزیابی ها بیانگر برتری روش پیشنهادی نسبت به روش AR-HMM به ویژه درحضور نویز ناایستان و درنتیجه تخمین درست تر پارامترهای مدل می باشند میزان برتری روش پیشنهادی نسبت به روشAR-HMM بطور متوسط درحضور نویزهای ناایستان براساس معیار SNR PESQ به ترتیب برابر با 0.11 و 1.1db می باشد.