دوره 10، شماره 1 - ( 6-1392 )                   جلد 10 شماره 1 صفحات 57-68 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Kittler J. Speech Signals Processing Using New Compressive Sampling Based Feature Extraction Method . JSDP 2013; 10 (1) :68-57
URL: http://jsdp.rcisp.ac.ir/article-1-63-fa.html
بنی طالبی دهکردی مهدی، صادقی محمد تقی، ابوطالبی حمید رضا. راهکار جدید استخراج ویژگی مبتنی بر نمونه‌برداری فشرده در پردازش سیگنال‌های صوتی . پردازش علائم و داده‌ها. 1392; 10 (1) :68-57

URL: http://jsdp.rcisp.ac.ir/article-1-63-fa.html


چکیده:   (14556 مشاهده)
در این مقاله با استفاده از راهکار نمونه‌برداری فشرده، الگوریتمی برای استخراج ویژگی از سیگنال‌های صوتی معرفی می‌شود. در روش پیشنهادی، ابتدا سیگنال صوت پنجره‌گذاری شده و تبدیل فوریه نمونه‌های درون هر پنجره محاسبه می‌گردد. سپس مقادیر دامنه‌های هنجارشده‌ی ضرایب بدست آمده در هر پنجره با هم جمع شده و از بردار حاصله که مولفه‌های آن مجموع دامنه‌ی ضرایب در هر پنجره می‌باشد مجددا تبدیل فوریه گرفته می‌شود، در نهایت با توجه به تُنُکی ایجاد‌شده، از بردار بدست آمده به صورت تصادفی نمونه‌برداری می‌شود. در این پژوهش در کاربرد‌های مختلفی از بردار ویژگی بدست آمده استفاده شده است. از جمله این کاربردها می‌توان به طبقه‌بندی اصوات و مکان‌یابی منابع صوت اشاره کرد. در شبیه‌سازی‌های صورت گرفته نشان داده می‌شود که در مقایسه با برخی از طبقه‌بندی‌کننده‌ی مطرح دیگر، طبقه‌بندی‌کننده مبتنی بر ویژگی ارائه شده، دقت بیشتر و بار محاسباتی کمتر دارد. همچنین در شبیه‌سازی‌ها نشان می‌دهد شده است که با استفاده از این الگوریتم استخراج ویژگی می‌توان موقعیت منابع را با خطای کمتر از 2 درصد، تعیین کرد.
متن کامل [PDF 2939 kb]   (15833 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1392/3/13 | پذیرش: 1392/7/20 | انتشار: 1392/9/12 | انتشار الکترونیک: 1392/9/12

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.