بکارگیری روشی نوین در تشخیص گفتار براساس ماشین بردار پشتیبان

بازشناسی خودکار گفتار اساسا به مساله دسته بندی الگو برمی گردد اگرچه دینامیک بودن سیگنال گفتار مانع شده است که چنین مساله ای به عنوان یک روش دسته بندی الگوی ساده مطرح گردد دراین مقاله به معرفی یک متد جدید در تشخیص گفتار کلمات گسسته و مستقل ازگوینده براساس ماشین بردار پشتیبان پرداخته می شود متد پیشنهادی دارای 2 بخش اصلی است در بخش اول سیگنال گفتار به یک مجموعه از فریم ها تبدیل می شود سپس از هر فریم 12MFCC به همراه انرژی و ضرایب پویایشان ویژگی استخراج می گردد در بخش دوم ماشین بردار پشتیبان کلاس هر گفتار ورودی محاسبه میشود و نهایتا بهترین کلاس توسط رای اکثریت مشخص می گردد.

کلیدواژه ها:

بازشناسی گفتار ، مدل مخفی مارکوف ، ماشین بردار پشتیبان