نازنین پورمند - دانشکده مهندسی برق - دانشگاه صنعتی امیرکبیر
ابوالقاسم صیادیان - دانشکده مهندسی برق - دانشگاه صنعتی امیرکبیر

یکی از پیش فرضهای مدل مارکف پنهان (HMM)، اعمال توزیع هندسی به کشش زمانی بردارهای هر حالت است. این فرض به وضوح با طبیعت گفتار سازگار نیست. در مدل قطعه بندی نرم ، مدلسازی اثر کشش زمانی با در نظر گرفتن اثر قطعات مجاور برروی همدیگر انجام می شود. این مدل در بحث طبقه بندی واجها و بازشناسی کلمات گسسته و متصل به نتایج خوبی نسبت به HMM دست یافته است. در این مقاله از ترکیب این مدل با روشهای آکوستیکی برای اشکارسازی و طبقه بندی واکه ها در گفتار گسسته فارسی استفاده شده است. در سیستمهای بازشناسی گفتار گسسته با تعداد لغات زیاد از واحدهای زیر کلمه مانند واج، نیم هجا و هجا به عنوان واحد آکوستیکی گفتار استفاده می شود. در صورت استفاده از واحدهای آکوستیکی هجا یا نیم هجا، آشکارسازی دقیق واکه ها در مرحله اول، سبب بازشناسی با دقت بالاتر ، مقاوم تر نسبت به شرایط محیطی و تا حدود زیادی مستقل از گوینده می شود. با پیاده سازی الگوریتم پیشنهاد شده روی کلمات گسسته در دیتابیس موجود در ازمایشگاه تحقیقاتی پردازش اطلاعات دانشگاه صنعتی امیرکبیر، شامل 1500 کلمه، در آشکارسازی و طبقه بندی واکه ها به خطای کمتری در مقایسه با HMM دست یافتیم.

آشکارسازی واکه ، انرژی میان گذر ، طبقه بندی واکه ، مدل قطعه بندی نرم