fa تخمین سریع ضرایب پیچش در هنجارسازی طول مجرای صوتی با استفاده از امتیاز به دست آمده از مدلسازی تشخیص جنسیت مقالات پردازش گفتار Paper پژوهشي Research <p><strong>یکی از مشکلات</strong> <strong>عمده&shy;ی</strong><strong> سامانه_&shy;های خودکار بازشناسی گفتار </strong><strong><span dir="LTR">(</span></strong><strong><span dir="LTR">ASR</span></strong><strong><span dir="LTR">)</span></strong><strong>، تنوعات موجود</strong> <strong>در</strong> <strong>بین</strong> <strong>گویند&shy;ه&shy;ها، کانال انتقال داده</strong> <strong>و</strong> <strong>محیط</strong> <strong>است</strong> <strong>که</strong> <strong>به علت</strong> <strong>وجود</strong> <strong>این</strong> <strong>تنوعات، کارایی</strong> <strong>این</strong> <strong>سامانه‌ها در</strong> <strong>شرایط کاربردی</strong> <strong>مختلف به</strong> <strong>شدت</strong> <strong>تغییر</strong> <strong>می‌کند. مقاوم</strong> <strong>سازی</strong> <strong>سیستم&shy;های بازشناسی جهت مقابله با</strong> <strong>این</strong> <strong>تغییرات</strong> <strong>از</strong> <strong>جمله</strong> <strong>مسائل</strong> <strong>حال</strong> <strong>حاضر در حوزه بازشناسی گفتار است. از جمله عواملی که باعث کاهش کارایی سیستم&shy;ها می&shy;شود، تمایز مشخصات صوتی آواهای یکسانِ تولید شده از گوینده&shy;های</strong> <strong>مختلف است. یکی</strong> <strong>از</strong> <strong>عوامل</strong> <strong>اصلی</strong> <strong>این مشکل</strong> <strong>ناشی</strong> <strong>از</strong> <strong>تفاوت</strong> <strong>موجود</strong> <strong>در</strong> <strong>طول</strong> <strong>مجرای</strong> <strong>صوتی (</strong><strong><span dir="LTR">VTL</span></strong><strong>)</strong> <strong>بین گوینده&shy;های</strong> <strong>مختلف می‌باشد. روش هنجارسازی</strong> <strong>طول</strong> <strong>مجرای</strong> <strong>صوتی (</strong><strong><span dir="LTR">VTLN</span></strong><strong>)</strong> <strong>از</strong> <strong>روش&shy;های</strong> <strong>رایج</strong> <strong>برای</strong> <strong>رفع این مشکل</strong> <strong>است که در آن برای هر گوینده یک ضریب پیچش فرکانسی تعیین می&shy;گردد. در این مقاله روش متداول تعیین</strong> <strong>ضریب</strong> <strong>پیچش</strong> <strong>با</strong> <strong>رویکرد</strong> <strong>مبتنی</strong> <strong>بر</strong> <strong>جستجو</strong> <strong>در</strong> <strong>یک</strong> <strong>سیستم بازشناسی</strong> <strong>گفتار</strong> <strong>پیوسته</strong> <strong>فارسی</strong> <strong>مبتنی</strong> <strong>بر</strong> <strong>مدل</strong> <strong>مخفی</strong> <strong>مارکوف</strong> <strong>معرفی</strong> <strong>و مشکلات محاسباتی استفاده از این روش شرح داده شده است. در نهایت روشی مبتنی بر رگرسیون خطی از روی امتیازِ محاسبه شده از مدلسازی تشخیص جنسیت جهت تخمین ضرایب پیچش پیشنهاد شده است که منجر به کاهش قابل ملاحظه هزینه محاسباتیِ روش مبتنی بر جستجو می&shy;شود. علاوه بر این، نتایج آزمایشات بر روی دادگان آزمون گفتار تلفنی محاوره&shy;ای، بیانگر بهبود 54/0 درصدی دقت تشخیص کلمه روش پیشنهادی نسبت به روش متداول مبتنی بر جستجو می&shy;باشد.&nbsp;</strong></p> <p>The performance of automatic speech recognition (ASR) systems is adversely affected by the variations in speakers, audio channels and environmental conditions. Making these systems robust to these variations is still a big challenge. One of the main sources of variations in the speakers is the differences between their Vocal Tract Length (VTL). Vocal Tract Length Normalization (VTLN) is an effective method introduced to cope with this variation. In this method, the speech spectrum of each speaker is frequency warped according to a specific warping factor of that speaker.&nbsp;<span style="line-height: 1.6em">In this paper, we first developed the common search-based method to obtain the appropriate warping factor over a HMM-based Persian continuous speech recognition system. Then pointing out the computational cost of search-based method, we proposed a linear regression process for estimating warping factor based on the scores generated by our gender detection system. Experimental results over a Persian conversational speech database shown an improvement about 0.54 percent in word recognition accuracy as well as a significant reduction in computational cost of estimating warping factor, compared to search-based approach.</span></p> بازشناسی گفتار, هنجارسازی طول مجرای صوتی, تشخیص جنسیت, رگرسیون خطی, ضریب پیچش فرکانسی. speech recognition, Vocal Tract Length Normalization, gender detection, linear regression, warping factor, 57 70 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-306-2&slc_lang=fa&sid=1 Yasser Shekofteh یاسر شکفته y_shekofteh@yahoo.com 10031947532846005523 10031947532846005523 Yes rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی Hasan Gholipor حسن قلی پور y_shekofteh 10031947532846005524 10031947532846005524 No rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی M.Mohsen Goodarzi محمدمحسن گودرزی y_shekofteh 10031947532846005525 10031947532846005525 No rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی Jahanshah kabudian جهانشاه کبودیان y_shekofteh 10031947532846005526 10031947532846005526 No rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی Farshad Almasganj فرشاد الماس‌گنج y_shekofteh 10031947532846005527 10031947532846005527 No rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی Shaghayegh Reza شقایق رضا y_shekofteh 10031947532846005528 10031947532846005528 No rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی Iman Sarraf ایمان صراف رضایی y_shekofteh 10031947532846005529 10031947532846005529 No rcdat پژوهشگاه توسعه فناوری های پیشرفته خواجه نصیرالدین طوسی