fa پیش‌بینی قابلیت فهم همخوان‌ها در افراد دارای شنوایی عادی با استفاده از مدل‌های میکروسکوپی دارای معیار فاصله‌ مختلف در بازشناساگر خودکار گفتار مقالات پردازش گفتار Paper پژوهشي Research در این مطالعه، نرخ تشخیص همخوان‌های موجود در ساختار هجایی «واکه- همخوان- واکه»، در آزمون‌های شنوایی و دو مدل میکروسکوپی ادراک گفتار مورد بررسی قرار می‌گیرد. چنین ساختار هجایی در زبان فارسی و ترکی آذری وجود ندارد. با وجود این، نتایج آزمون‌های شنوایی نشان می‌دهد که شنونده آذری یا فارسی زبان در شرایط بدون نویز، قادر به تشخیص صحیح همخوان‌ها می‌باشد. برای این پژوهش که در آن هدف، تشخیص صحیح آواها و نه کلمات بامعنی است، استفاده از این دادگان صوتی فاقد معنی مناسب می‌باشد چون با استفاده از این دادگان، دانش زبانی شنوندگان در پیش‌بینی کلمات نادیده گرفته میشود. نتایج آزمون‌های شنوایی با نتایج دو مدل میکروسکوپی که بر پایه سیستم شنوایی انسان است، مقایسه می‌شود. تفاوت دو مدل در مرحله نهایی استخراج ویژگی به منظور استفاده در شناساگر خودکار گفتار DTW است. در مدل میکروسکوپی اول، در مرحله پایانی استخراج ویژگی، از فیلتر 8 هرتز و در مدل دوم، از فیلتربانک مدولاسیون استفاده می‌شود. در ادامه، نرخ تشخیص صحیح آواها در مقادیر مختلف سیگنال به نویز با استفاده از معیارهای فاصله اقلیدسی و لگاریتمی با یکدیگر مقایسه می‌شود. در این تحقیق، نرخ تشخیص همخوان‌ها برای شنونده آذری‌زبان مورد بررسی قرار گرفته است. در کنار جنبه تجربی این مطالعه، نو‌آوری این مقاله در بررسی دو معیار فاصله مختلف برای مدل هلوب و نیز مقایسه مستقیم دو مدل میکروسکوپی در پیش‌بینی میانگین نرخ تشخیص و نیز نرخ تشخیص تک‌تک همخوان‌ها می‌باشد. In this study, recognition rates of consonants available in vowel-consonant-vowel structure in hearing tests and two microscopic models will be investigated. Such a syllable structure doesn’t exist in Farsi and Azerbaijani languages, but since the goal is only recognition of middle phoneme, according to hearing tests, listeners are able to properly recognize phonemes in clean speech conditions. Inasmuch as these syllable structures are meaningless, it will be suitable for our purpose that is only determination of recognition rates of phonemes not meaningful words. Using this corpus, listeners’ linguistic knowledge in prediction of words is disregarded. Results of hearing tests are compared with two microscopic models based on human auditory system. Difference between two models is at the final stage of feature extraction that in first model, a 8 Hz filter and in the second model a modulation filterbank is used. Correct recognition rates of phonemes in different signal to noise ratios and two distance metrics for speech recognizer, will be compared. In this study recognition rates of consonants for listeners with Azerbaijani native language have been studied. Beside the empirical aspect of the paper, the innovations of this work lies in the study of using two different distance measures for Holube’s model and also direct comparison of two microscopic models in prediction of overall recognition rates and recognition rate of each consonant. قابیلت فهم, ادراک گفتار, مدل میکروسکوپی, بردار ویژگی, نرخ تشخیص آوا, معیار فاصله, شناساگر خودکار گفتار. Intelligibility, Speech perception, Microscopic model, Feature vector, Phoneme recognition rate, Distance measure, Automatic Speech Recognizer. 79 90 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-443-1&slc_lang=fa&sid=1 Masoud Geravanchizadeh مسعود گراوانچی زاده ali.fallah@tabrizu.ac.ir@tabrizu.ac.ir 10031947532846001726 10031947532846001726 No University of Tabriz دانشگاه تبریز Ali Fallah علی فلاح ali.fallah@tabrizu.ac.ir 10031947532846001727 10031947532846001727 Yes University of Tabriz دانشگاه تبریز Mirali Eterafoskouei میرعلی اعتراف اسکویی Eterafoskouei@tbzmed.ac.ir 10031947532846001728 10031947532846001728 No Tabriz University of Medical Science دانشگاه علوم پزشکی تبریز