به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « Vector AR » در نشریات گروه « مهندسی پزشکی »

تکرار جستجوی کلیدواژه « Vector AR » در نشریات گروه « فنی و مهندسی »
  • یاسر شکفته*، فرشاد الماس گنج
    تحقیقات اخیر نشان می دهد که تظاهرات غیرخطی و آشوبی سیگنال گفتار می تواند در حوزه فضای بازسازی شده فاز (RPS) مطالعه شود. تیوری جاسازی برمبنای محورهای تاخیری، ابزار مناسبی برای بررسی تراژکتورهای گفتاری در RPS است. تاکنون از مشخصه های تراژکتورهای گفتاری به ندرت در سیستم های کاربردی بازشناسی گفتار استفاده شده است. از اینرو در این مقاله  روش استخراج ویژگی جدیدی براساس پارامترهای مدلسازی خطی مبتنی بر روش AR برداری (VAR) پیشنهاد شده است. در این روش بوسیله ماتریس ضرایب فیلتر و یا ضرایب انعکاسی به دست آمده از اعمال روش VAR بر مشخصه های استاتیک و دینامیک تراژکتوری های گفتاری شکل یافته در RPS، یک بردار ویژگی با بعد زیاد حاصل می شود که می توان از روش های نگاشت خطی برای کاهش بعد مناسب آن استفاده کرد. نتایج آزمایش های بازشناسی واج مجزا و پیوسته بر مجموعه دادگان گفتاری فارس دات نشان می دهد که کارایی این روش در مقایسه با دیگر روش های متداول استخراج ویژگی مبتنی بر حوزه زمان مانند روش LPC و LPREF بیشتر است.
    کلید واژگان: بازشناسی گفتار, استخراج ویژگی, فضای بازسازی شده فاز, جاسازی سیگنال, پیش بینی خطی, AR برداری}
    Yaser Shekofteh *, Farshad Almasganj
    Recent researches show that nonlinear and chaotic behavior of the speech signal can be studied in the reconstructed phase space (RPS). Delay embedding theorem is a useful tool to study embedded speech trajectories in the RPS. Characteristics of the speech trajectories have rarely used in the practical speech recognition systems. Therefore, in this paper, a new feature extraction (FE) method is proposed based on parameters of vector AR (VAR) analysis over the speech trajectories. In this method, using filter and reflection matrices obtained from applying VAR analysis on static and dynamic information of the speech trajectory in the RPS, a high-dimensional feature vector can be achieved. Then, different transformation methods are utilized to attain final feature vectors with appropriate dimension. Results of discrete and continuous phoneme recognition over FARSDAT speech corpus show that the efficiency of the proposed FE method is better than other time-domain-based FE methods such as LPC and LPREF.
    Keywords: Speech Recognition, Feature Extraction, reconstructed phase space, Signal Embedding, Linear Prediction, Vector AR}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال