ارائه روشی برای بازسازی مولفه های نویزی طیف گفتار برپایه مدل مخفی مارکوف جهت بهبود بازشناسی گفتار

در این مقاله روشی ارائه شده که به منظور بازسازی مولفه های نویزی طیف گفتاراز توزیع آماری مولفه های سالم فریم های قبل و بعد بهره می برد. در روش ارائه شده ابتدا تغییرات زمانی مولفه های سیگنال گفتار توسط مدل مخفی مارکوف مدل شده سپس با استفاده از این مدل و احتمال وقوع مولفه نویزی در حالتهای مختلف، توزیع احتمالاتی برای مولفه نویزی محاسبه می شود و در نهایت با استفاده از تخمین MAP مقداراین مولفه تخمین زده می شود. این روش با یکی از روشهای اخیر ویژگی گمشده که برپایه خوشه بندی بردارهای ویژگی، و تخمین مولفه نویزی با توجه به توزیع هر خوشه است مقایسه شده است. نتایج شبیه سازی و مقایسه این روش با روش مذکور برتری این روش را در بهبود درصد بازشناسی در حضور نویز نشان می دهد. همچنین استفاده از انواع مختلف نویز، مقاوم بودن این روش ، نسبت به نوع نویز را تا حدقابل قبولی نشان می دهد.

کلیدواژه ها:

بازشناسی خودکار گفتار ، بازشناسی مقاوم به نویز گفتار ، روشهای ویژگی گمشده ، مدل مخفی مارکوف