دوره 13، شماره 2 - ( 6-1395 )                   جلد 13 شماره 2 صفحات 103-91 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

sharif noughabi M, marvi H, darabian D. Farsi Accent Recognition based on speech signal using efficient features extraction and Combining of Classifiers. JSDP 2016; 13 (2) :91-103
URL: http://jsdp.rcisp.ac.ir/article-1-315-fa.html
شریف نوقابی مجتبی، مروی حسین، دارابیان دانیال. تشخیص لهجه های زبان فارسی از روی سیگنال گفتار با استفاده از روش های استخراج ویژگی کارآمد و ترکیب طبقه بندها. پردازش علائم و داده‌ها. 1395; 13 (2) :91-103

URL: http://jsdp.rcisp.ac.ir/article-1-315-fa.html


دانشگاه شاهرود
چکیده:   (6699 مشاهده)

تشخیص لهجه از روی شکل موج گفتار یکی از شاخه های نسبتا جدید در علم پردازش گفتار است.تشخیص لهجه می تواند تا حد زیادی باعث بهبود سیستم های بازشناخت گفتار شود.همانند هر سیستم بازشناسی، فرآیند تشخیص لهجه نیز شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است.در این مقاله سه روش کارآمد استخراج ویژگی شامل دامنه مرکزی طیفی (SCM) ، مشتق اول آن (∆SCM) و تبدیل Zak روی سیگنال گفتار اعمال شده اند و کارآیی این روش ها با روش های متدوال استخراج ویژگی مانند ضرایب مل-کپستروم و مشتقات آن مقایسه شده است. علاوه بر این یک ویژگی جدید که با ایجاد تغییراتی در الگوریتم محاسبه ضرایب مل-کپستروم به دست می آید برای تشخیص لهجه ها در محیط های نویزی معرفی گردیده است. برای مرحله طبقه بندی از پنج طبقه بند مختلف، شامل MLP ، KNN ، PNN ، RBF و SVM و ترکیب این طبقه بندها با یکدیگر استفاده شده است.نتایج آزمایش ها بیانگر بهبود نرخ بازشناسی لهجه ها با روش های پیشنهادی هستند.

متن کامل [PDF 1595 kb]   (2494 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1393/10/22 | پذیرش: 1394/10/25 | انتشار: 1395/6/28 | انتشار الکترونیک: 1395/6/28

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.