سال انتشار: ۱۳۸۹

محل انتشار: اولین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات

تعداد صفحات: ۴

نویسنده(ها):

مهرداد عطار – گروه کامپیوتر – دانشگاه آزاد اسلامی واحد دزفول
پروانه عصاره – گروه کامپیوتر – دانشگاه آزاد اسلامی واحد ملایر

چکیده:

بازشناسی خودکار گفتار اساساً به مسئله دسته بندی الگو بر می گردد.اگر چه دینامیک بودن سیگنال گفتار مانع شده است که چنین مسئله ای به عنوان یک روش سته بندی الگوی ساده مطرح گردد.در این مقاله به معرفی یک متد جدید در تشخیص گفتار کلمات گسسته و مستقل از گوینده , بر اساس دسته بند Random Forest پیرداخته می شود. متد پیشنهادی دارای ۲ بخش اصلی است. در بخش اول سیگنال گفتار به یک مجموعه از فریم ها تبدیل می شودوس÷س از هر فریم , ۱۲MFCC به همراه انرزی و ضرایب پویایشان ویزگی استخراج می گردد.در بخش دوم توسط دسته بند Random Forest , کلاس هر گفتار ورودی محسابه می شودو نهایتاً بهترین کلاس , توسط رای اکثریت مشخص می گردد.اعتبار متد پیشنهادی با دیتابیس TIMIT تست شده و نتایج ارزیابی با روش مدل مخفی مارکوف مقایسه شده است.