شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

تکه هایی از این پایان نامه :

2-2-4-1- تصمیم گیری مبتنی بر مدل مخفی مارکوف

در این مدل، با در نظر گرفتن یک سری حالت، احتمال گذار حالات، یک بردار ویژگی و توابع توزیع عناصر بردار در هر حالت، … اعمال الگوریتم جستجوی ویتربی[1]بر روی مشاهدات، بهترین دنباله حالت برای رخداد این مشاهدات، بدست می آید. در [46] از ویژگی های ZCR، انرژی، تابع متوسط اندازه تفاضلاتAMDF[2] و اعمال آنها بر روی مدل مارکوف مخفی تک حالته، دو حالته و یک شبکه رایج حالت های مختلف مطالعه شده می باشد. در این روش میتوان برای نویزهای مختلف مدل مارکوف مناسبی را در نظر گرفت و سپس به کمک الگوریتم ویتربی میتوان نواحی سکوت و حتی نویز را تشخیص داد. در [47] با در نظر گرفتن ویژگی اختلاف لگاریتم انرژی فریم و لگاریتم انرژی نویز و ویژگی دلتای انرژی ، به عنوان بردار ویژگی و با در نظر گرفتن دو مدل مارکوف متناظر با گفتار و سکوت، نواحی سکوت تشخیص داده شده می باشد. در این مرجع برای مدل گفتار، یک مدل مخفی مارکوف چهار حالته و برای نویز یک مدل مخفی مارکوف سه حالته در نظر گرفته شده می باشد. سپس الگوریتم جستجوی ویتربی، برای یافتن بهترین دنباله از حالات و در نهایت بهترین و محتمل ترین دنباله از سکوت و گفتار، بر روی شبکه ای مانند شکل (2-6) اعمال شده می باشد. در [48] با در نظر گرفتن بردار ویژگی ای متشکل از 12 ضریب MFCC و توان سیگنال و یک مدل مارکوف 7 حالته متشکل از حالات سکوت قبل از گفتار، گفتار (5 حالت)، سکوت بعد گفتار به بازشناسی نواحی غیرسکوت (2 تا 6 حالت) پرداخته شده می باشد. با بهره گیری از روش مبتنی بر موجک جهت بهسازی گفتار و بهره گیری از مدل مارکوف 3 حالته (سکوت قبل از گفتار، گفتار، سکوت بعد از گفتار) نواحی سکوت تشخیص داده شده می باشد.

 

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید:

 thesis-power-word