راهکار جدید استخراج ویژگی مبتنی بر نمونه برداری فشرده در پردازش سیگنال های صوتی

در این مقاله با استفاده از راه کار نمونه برداری فشرده، الگوریتمی برای استخراج ویژگی از سیگنال های صوتی معرفی می شود. در روش پیشنهادی، ابتدا سیگنال صوت، پنجره گذاری شده و تبدیل فوریه نمونه های درون هر پنجره محاسبه می شود. سپس مقادیر دامنه های هنجارشده ضرایب به دست آمده در هر پنجره با هم جمع شده و از بردار حاصله که مولفه های آن مجموع دامنه ضرایب در هر پنجره است دوباره تبدیل فوریه گرفته می شود؛ درنهایت با توجه به تنکی ایجاد شده، از بردار به دست آمده به صورت تصادفی نمونه برداری می شود. در این پژوهش در کاربرد های مختلفی، از بردار ویژگی به دست آمده استفاده شده است. ازجمله این کاربردها می توان به طبقه بندی اصوات و مکان یابی منابع صوت اشاره کرد. در شبیه سازی های صورت گرفته نشان داده می شود که در مقایسه با برخی طبقه بندی کنندهای مطرح دیگر، طبقه بندی کننده مبتنی بر ویژگی ارائه شده، دقت بیش تر و بار محاسباتی کمتر دارد. همچنین در شبیه سازی ها نشان داده شده است که با استفاده از این الگوریتم استخراج ویژگی، موقعیت منابع را با خطای کمتر از دو درصد می توان، تعیین کرد.