دانشگاه صنعتی شریف
نقشه سایتتماس با دانشگاهEnglish
۱۳۸۹/۰۹/۰۱  ۱۹:۰۰

بهبود کارایی روش‌های بهسازی گفتار مبتنی بر مدل مخفی مارکوف

دکتر حسین صامتی، عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه گفت: از مدل مخفی مارکوف (HMM) در کاربردهای مختلف پردازش گفتار از جمله بازشناسی خودکار گفتار و کدکردن گفتار به صورت موفقیت‌آمیزی استفاده شده است.
دکتر حسین صامتی در گفت و گو با روابط عمومی دانشگاه صنعتی شریف افزود: در این پروژه از روش آماری مبتنی بر HMM برای بهسازی گفتار استفاده می‌شود. روش‌های مختلفی برای بهسازی گفتار نویزی وجود دارد که روش‌های آماری مبتنی بر مدل از جمله موفق‌ترین آن‌ها هستند. در این پروژه، هدف از بهسازی گفتار تخمین سیگنال تمیز از روی سیگنال نویزی در حضور نویز جمع‌شونده بوده است.
استاد دانشکده مهندسی کامپیوتر گفت: در این کاربرد، دانش اولیه در مورد سیگنال گفتار تمیز و نویز از روی داده‌های آموزشی به صورت توزیع‌های آماری مدل می‌شود و در هنگام به‌کارگیری سیستم از آنها جهت استخراج فیلترهای تخمین‌زننده سیگنال تمیز استفاده می‌شود. در این پروژه از HMM برای مدل‌سازی گفتار و نویز استفاده می‌گردد و از تخمین‌گر کم‌ترین میانگین مربعات خطا (MMSE) که منجر به ایجاد فیلتر وینر می‌شود، برای استخراج سیگنال تمیز از روی سیگنال نویزی بهره می‌گیریم.
دکترصامتی افزود: ایده‌های مختلفی برای بهبود کارایی سیستم‌های بهسازی گفتار مبتنی بر HMM وجود دارد که در این پروژه، از روش‌های جدید به جای فیلتر وینر برای تخمین دقیق‌تر سیگنال تمیزی استفاده خواهد شد. همچنین، مدل‌سازی غیرگاوسی از جمله ایده‌های بهبود کارایی این سیستم‌ها است که مورد مطالعه قرار می‌گیرد. برای ارزیابی روش‌های پیاده‌سازی شده در این كار از معیارهای SNR ،PESQ و MOS برای ارزیابی کیفیت و از آزمایش‌های بازشناسی خودکار گفتار برای بررسی اثر قابلیت فهم گفتار استفاده می‌شود.
وی افزود: این پروژه در دانشکده مهندسی کامپیوتر دانشگاه با همکاری سروش ماری اوریاد صورت پذیرفته است.

لطفا نظرات و پیشنهادات خود را به آدرس web [at] sharif.ir ارسال فرمایید
۱۳۹۰، دانشگاه صنعتی شریف، تهران، ایران
طراحی و اجرا در آزمایشگاه وب Powered by Cybiran