آموزش مدل پنهان مارکوف + تشخیص گفتار مجزا در متلب MATLAB با مدل HMM
4 ساعت
4.2
گفتار یک ابزار طبیعی مهم برای برقراری ارتباط بین انسانها است. این ارتباط از طریق تولید و دریافت سیگنالهای صوتی بین دستگاه گفتاری گوینده و دستگاه شنیداری شنونده ایجاد میشود. مشابه با برقراری ارتباط بین انسانها، بسیاری از دستگاههای بازشناسی گفتار، امروزه در تعامل با بشریت بوده و در خدمت او هستند. امروزه جایگاه ویژهای که واسطهای کاربری صوتی و سیستمهای بازشناسی گفتار در علوم نظامی، پزشکی، سیستم اتومبیلها و سیستم آموزش پیدا کردهاند، توجه طراحان را برای بهبود این سیستمها به خود جلب کرده است. کاربردهای این واسطهای کاربری صوتی بسیار چشمگیر و متنوع است و زمینههای طراحی و بهبود این سیستمها روز به روز گستردهتر میشود. در طراحی سیستمهای بازشناسی گفتار، اختیارات و همچنین چالشهای متعددی وجود دارد. انتخاب بهترین گزینه یک طراحی مناسب و رفع مشکلات و چالشهای پیش رو در طراحی این سیستمها، وابسته به درک دقیق از ماهیت گفتار و سیستمهای بازشناسی گفتار است. یکی از مهمترین زمینههای بازشناسی گفتار، تشخیص کلمات مجزا است که آن را به یکی از مهمترین روشهای ارتباط بین انسان و ماشین تبدیل میکند. امروزه مدل مخفی مارکوف (Hidden Markov Model) از پرطرفدارترین روشهای آماری برای تشخیص گفتار به حساب میآید و روابط و اثباتهای ریاضی قوی در این روش، آن را به یکی از قدرتمندترین روشهای حال حاضر تبدیل کرده است. ما در این فرادرس میخواهیم با بهرهگیری از اصول و تئوری مرتبط با ماهیت سیگنال صوت، طبقهبندی آواها و واجها بر اساس نحوه تولید و انتشار آنها در محیط، به آموزش تشخیص گفتار مجزا بپردازیم. از این رو به مراحل لازم برای این منظور که شامل: پیشپردازش سیگنال گفتار، استخراج بردارهای ویژگی صوت و اعمال آن به مدل مخفی مارکوف جهت آموزش مدل و تست آن است پرداخته خواهد شد. تمامی مراحل در نرمافزار متلب (MATLAB) به صورت عملی آموزش داده شده و مثالهای هر قسمت نیز بررسی شده است.
