مقایسه و ارزیابی کارآیی انواع روشهای استخراج پارامترهای بازنمایی و هنجارسازی در بازشناسی مستقل از گوینده گفتار

فرآیند بازشناخت گفتار در اولین گام خود نیازمند یک نمایش مناسب از اطلاعات سیگنال گفتاری است. این بازنمایی باید شامل ویژگی هایی از سیگنال گفتار باشد که حاوی اطلاعات مفیدی جهت متمایز کردن آواهای مختلف باشند. برای استخراج این بیان مناسب اطلاعات سیگنال یا پارامترهای بازنمایی، روش های متفاوتی ارائه شده است که در سیستم های بازشناخت مختلفی مورد استفاده قرار گرفته اند. از رایج ترین این روش ها، روش های طیفی می باشند که در آنها تحلیل طیفی از سه طریق تبدیل فوریه زمان کوتاه، مدل پیشگویی خطی و تبدیل ویولت صورت می گیرد. در این مقاله متداول ترین روش های استخراج پارامترهای بازنمایی مورد مقایسه قرار گرفته اند و با اعمال تغییراتی در الگوریتم برخی از آنها و نیز استفاده از روش های نرمالیزه متفاوت، مناسب ترین آنها در بکارگیری برای بازشناسی مستقل از گوینده گفتار عاری از نویز، به کمک یک شبکه عصبی جلو سو با تاخیر زمانی، معرفی گردیده اند. در ارزیابی های انجام شده روش های طیفی الهام گرفته از سیستم شنوایی انسان و مبتنی بر تبدیل فوریه بالاترین صحت بازشناخت را ارائه داده اند.