پیش گویی قابلیت فهم همخوان ها در افراد دارای شنوایی عادی با استفاده از مدل های میکروسکوپی دارای معیار فاصله متفاوت در بازشناساگر خودکار گفتار

در این مطالعه، نرخ تشخیص همخوان های موجود در ساختار هجایی «واکه- همخوان- واکه»، در آزمون های شنوایی و دو مدل میکروسکوپی ادراک گفتار مورد بررسی قرار می گیرد. چنین ساختار هجایی در زبان فارسی و ترکی آذری وجود ندارد؛ با وجود این، نتایج آزمون های شنوایی نشان می دهد که شنونده آذری یا فارسی زبان در شرایط بدون نوفه، قادر به تشخیص صحیح همخوان ها هستند. برای این پژوهش که در آن هدف، تشخیص صحیح آواها و نه کلمات بامعنی است، استفاده از این دادگان صوتی فاقد معنی مناسب است، چون با استفاده از این دادگان، دانش زبانی شنوندگان در پیش بینی کلمات نادیده گرفته میشود. نتایج آزمون های شنوایی با نتایج دو مدل میکروسکوپی که بر پایه دستگاه شنوایی انسان است، مقایسه می شود. تفاوت دو مدل در مرحله نهایی استخراج ویژگی به منظور استفاده در شناساگر خودکار گفتار DTW است. در مدل میکروسکوپی اول، در مرحله پایانی استخراج ویژگی، از فیلتر 8 هرتز و در مدل دوم، از فیلتربانک مدولاسیون استفاده می شود. در ادامه، نرخ تشخیص صحیح آواها در مقادیر مختلف سیگنال به نوفه با استفاده از معیارهای فاصله اقلیدسی و لگاریتمی با یکدیگر مقایسه می شود. در این تحقیق، نرخ تشخیص همخوان ها برای شنونده آذری زبان مورد بررسی قرار گرفته است. در کنار جنبه تجربی این مطالعه، نو آوری این مقاله در بررسی دو معیار فاصله مختلف برای مدل هلوب و نیز مقایسه مستقیم دو مدل میکروسکوپی در پیش بینی میانگین نرخ تشخیص و نیز نرخ تشخیص تک تک همخوان ها است.