انتخاب ویژگیهای مقاوم به نویز در فضای طیفی- زمانی برای بازشناسی گفتار

بازنمایی طیفی - زمانی گفتار با استفاده از مدل شنیداری، یکی از برجستهترین روشهای بازنمایی گفتار در سالهای اخیر میباشد. به دلیل بزرگ بودن ابعاد فضای ویژگیهای طیفی - زمانی، استفاده از روشی برای کاهش ابعاد بردار ویژگی در این فضا ضروری میباشد. در این مقاله،یک روش جدید مبتنی بر خوشهبندی برای استخراج ویژگیهای ثانویه مقاوم به نویز در فضای طیفی- زمانی ارائه شده است. در این روش، فضای ویژگیهای اولیه با استفاده از روشهای خوشهبندی مانند مدل مخلوط گوسی وزندار و روش kمیانگین وزندار خوشهبندی میشود سپس مؤلفههای بردارهای میانگین و ماتریس کواریانس خوشهها به عنوان ویژگیهای ثانویه در هر قاب در نظر گرفته میشوند. با توجه به اینکه شکل و مکان خوشهها به تدریج در طول زمان تغییر مییابد، برای استخراج ویژگیهای ثانویه مقاوم به نویز، تغییرات مکانی خوشهها در طول قابهاردیابی میگردد و نتایج ردیابی زمانی خوشهها در بردارهای ویژگی ثانویه در نظر گرفته میشود. از بردارهای ویژگی ثانویه برای طبقهبندی واجهای زبان انگلیسی در شرایط تمیز و نویزی استفاده شده است

کلیدواژه ها:

بازشناسی گفتار ، مدل طیفی - زمانی ، استخراج ویژگی مقاوم به نویز ، خوشهبندی ، ردیابی زمانی