شما اینجائید:خانه»دانلود»تشخیص گفتار فارسی با استفاده از تبدیل موجک ( Wavelet) در Matlab
تشخیص گفتار فارسی با استفاده از تبدیل موجک ( Wavelet) در Matlab
ارسال شده توسط:Papersimتاریخ ارسال: 2017/06/24در دیدگاهها برای تشخیص گفتار فارسی با استفاده از تبدیل موجک ( Wavelet) در Matlab بسته هستند
تشخیص گفتار فارسی با استفاده از تبدیل موجک ( Wavelet) و بازشناسی اعداد ۰ تا ۹ در Matlab
دراین پروژه، هدف این است که گوینده یکی از اعداد صفر تا ۹ را بگوید و این الگوریتم با استفاده از سیگنال صوتی، شماره گفته شده توسط گوینده را چاپ کند. بدین منظور می بایست ابتدا تعدادی سیگنال های صوتی از هر شماره، توسط الگوریتم موردنظر آموزش داده شود و سپس کار شناسایی انجام شود.
نحوه تهیه داده های آموزشی
برای تهیه داده آموزشی از هر شماره( یعنی ۰ تا ۹) ۲۰ سیگنال صوتی تهیه می کنیم. به عبارتی هر شماره را توسط میکروفن، ۲۰ بار تکرار و ضبط می کنیم. فرکانس نمونه برداری این سیگنال ها، ۴۴۱۰۰ هرتز می باشد. بنابراین برای هر شماره ۲۰ سیگنال صوتی خواهیم داشت که به طور کل ۱۲۰ سیگنال صوتی خواهیم داشت.
استخراج ویژگی
به منظور استخراج ویژگی از سیگنال های صوتی ابتدا هر سیگنال صوتی را اصلاح میکنیم. منظور از اصلاح کردن، حذف قسمت سکوت از هر سیگنال است.
الف) تبدیل موجک (Wavelet)
ب)عبور از صفر
ج) محاسبه MFCC 13 تایی
درکل ۲۵ عدد به عنوان ویژگی یا بردار ویژگی محاسبه می کنیم. درنهایت برای هر سیگنال ۱۲۰ بردار ویژگی های ۲۵ تایی خواهیم داشت. و برای هر کلاس ( هر شماره ۰ تا ۹) ۲۰*۱۲۰ بردار ویژگی خواهیم داشت.
آموزش و تست داده ها
به منظور طبقه بندی داده ها از طبقه بند KNN ( K-Nearest Neighbor ) استفاده می کنیم.
عنوان شبیه سازی
تشخیص گفتار فارسی با استفاده از تبدیل موجک ( Wavelet) در Matlab