تحقیق درباره: روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

تحقیق درباره روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

مقاله درمورد روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

تحقیق؛ روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

تحقیق؛ روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با