چکیده:
ویونت، شبکه ایست مبتنی بر شبکه عصبی و تبدیل موجک که به عنوان جایگزین مناسب در شبکه های عصبی پس خور جهت تخمین و تقریب توابع غیر خطی ، پیشنهاد می شود. در شبکه استاندارد پس خورد، تابع فعال سازی نرون لایه پنهان یک تابع سیگموئید است. حال آنکه شبکه های ویونت ، توابع موجک را به عنوان توابع فعالسازی نرون های لایه پنهان از شبکه پسخور مورد استفاده قرار میدهند. بهسازی گفتار یا Speech enhancementبیانگر گروه بزرگی از روش هاست که با انجام پردازش هایی روی سیگنال های نویزی، نهایتا منجر به بهبود کیفیت و قابلیت فهم گفتار می شود. تاکنون روشهای متعددی در زمینه بهسازی گفتار نویزی ارائه شده است. روش پیشنهادی ما در این مقاله، استفاده از ویونت در زمینه بهسازی گفتار می باشد. روش پیشنهادی بر روی دادگان فارسی پیاده سازی شده است و برای ارزیابی و عملکرد آن از معیار سیگنال به نویز استفاده شده است. در نهایت روش پیشنهادی با سه روش شبکه عصبی و ترکیب آن با تبدیل موجک و تبدیل موجک استفاده شده است. نتایج حاصله بیانگر افزایش کارایی سیستم در مقایسه با سایر روشها می باشد.
-1 مقدمه
همان طور که میدانیم مهمترین وسیله ارتباطی افراد از طریق صدا و گفتار می باشد. به همین جهت پردازش گفتار، به جهت کاربردهای فراوان در زندگی بشر، از سالیان قبل مد نظر دانشمندان و محققین بوده است. پردازش گفتار شامل بخش های متفاوتی مانند :کدینگ ، تشخیص speech گفتار گوینده ، سنتز ، فشرده سازی ، بهسازی گفتار یا می باشد. یکی از مهمترین بخش های پردازش enhancement گفتار، بهسازی گفتار و تلاش برای بهبود کیفیت عملکرد سیستم های ارتباط گفتاری می باشد.
این مقاله را می توانید از لینک زیر دانلود نمایید.
بهسازی سیگنال گفتار به روش حذف نویز با استفاده از ویونت
