دانلود مقاله در مورد صحت گفتار

دسته بندي : مقاله » مقالات فارسی مختلف
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ويرايش و آماده پرينت )
تعداد صفحه : 138 صفحه

 قسمتی از متن word (..doc) : 
 

2
‏فصل اول مقدمه:
‏صحت و گفتار نقش اساسي در ارتباط انسانها ايفا مي‏‌‏كنند و يكي از دلايل پيشرفت انسانها است.
‏براي برقراري ارتباط كامپيوتر با انسان بوسيلة گفتار در كار لازم است انجام شود. يكي سنتزل گفتار است. و ديگري بازشناسي گفتار، سنتز گفتار بيان گفتار بوسيلة كامپيوتر مي‏‌‏باشد و بازشناسي يعني فهميدن گفتار در بازشناسي گفتار. هدف بدست آوردن دنبالة آوايي يك گفتار مي‏‌‏باشد و اين دنبالة آوايي مي‏‌‏تواند بر اساس واج، سيلاب، كلمه، جمله و ... باشد. بازشناسي گفتار عكس عمل سنتز است و گفتار را به متن تبديل مي‏‌‏كند. اما انجام بازشناسي گفتار به دليل خاصيت صداي انسانها، داراي پيچيدگي‏‌‏هاي زيادي است. اما اغلب بازشناسي كامل و درست غير ممكن است. حتي خود انسانها هم نمي‏‌‏توانند به طور كامل همه صداها را بفهمند و ميزان، درك گوش انسانها حدود 70% مي‏‌‏باشد. شكل 1-1 ارتباط گفتاري بين انسانها و كامپيوتر را نشان مي‏‌‏دهد. به دليل نقش مهم و كاربردهاي فراواني كه بازشناسي گفتار دارد، تحقيقات و مقاله‏‌‏هاي زيادي در اين زمينه انجام شده و راه حل‏‌‏هاي متفاوتي پيشنهاد شده است،‏‌‏ ولي بازشناسي گفتار كاملاً درست هنوز امكان‏‌‏پذير نمي‏‌‏باشد.
‏بازشناسي گفتار داراي كاربردهاي زيادي است. از جمله كاربردهاي بازشناسي گفتار، حل مشكل تايپ است، با كمك بازشناسي گفتار مي‏‌‏توان جمله‏‌‏ها را يكي پس از ديگري خواند و كامپيوتر آنها را تايپ كند. يكي ديگر از كاربردهاي بازشناسي گفتار، حل مشكل صحبت دو فرد مختلف همزبان است. يكي از مشكلات انسانها ارتباط با افرادي است كه با زبانهاي متفاوت صحبت مي‏‌‏كنند. ارتباط بدون دانستن زبان مشكل است. و يادگيري يك زبان ديگر كار وقت گير و پر زحمتي است ولي به كمك بازشناسي گفتار به يادگيري زبانهاي مختلف احتياجي نخواهد بود و مي‏‌‏توان با يك دستگاه كوچك با فردي كه با زبان ديگري صحبت مي‏‌‏كند، صحبت نمود. يك كامپيوتر كوچك صداي شما را گرفته و به تعدادي از كلمات تبديل مي‏‌‏نمايد. سپس اين كلمات به زبان ديگر ترجمه شده و در نهايت با زبان جديد گفته مي‏‌‏شوند. دو مرحلة آخر اين سيستم جزو مسايل انجام شده گفتار هستند و با كامل نمودن مسئله بازشناسي گفتار بدون دانستن زبان
2
‏‌‏هاي ديگر به آنها تكلم نمود.
‏شكل 1-2 نشان دهنده ارتباط دو فرد با زبان‏‌‏هاي مختلف است. يكي از كاربردهاي ديگر بازشناسي گفتار، برقراري ارتباط با كامپيوتر است. همان گونه كه به انسانهاي ديگر دسترس مي‏‌‏دهيد، به كامپيوتر هم مي‏‌‏توان دستور داد و با آن صحبت كرد. يا حتي مي‏‌‏توانيد از او بخواهيد كاري برايتان انجام دهد.
‏حتي با كمك بازشناسي گفتار مي‏‌‏توان به انسانهاي نابينا و ناشنوا كمك كرد. به طور مثال نابينايان مي‏‌‏توانند با صحبت كردن و دادن دستور به كامپيوتر با آن كار كنند.
‏از دستاوردهاي جديد بازشناسي گفتار و پردازش مدت كاربرد آن در آموزش‏‌‏هاي زبان دوم مي‏‌‏باشد. بدين ترتيب كه با ايجاد سيستمي‏‌‏كه قابليت آشكارسازي خطاي تلفظ بين لهجه‏‌‏هاي زبان اصلي و لهجة يك فردي كه به زبان دوم فرد سخن مي‏‌‏گويد، وي را در يادگيري و تصحيح تلفظ و لهجه آن زبان كمك نمي‏‌‏كنند.
‏بازشناسي گفتار مي‏‌‏تواند براي شرايط مختلفي انجام گيرد. هر كدام از اين شرايط مي‏‌‏توانند باعث مشكل شدن، پيچيدگي بازشناسي شوند. يكي از اين شرايط، وابسته بودن بازشناسي به يك گوينده يا مستقل بودن آن از گوينده است. مستقل بودن از گوينده به معناي آن است كه بتوان كار بازشناسي را براي هر فرد انجام داد. از ديگر شرايط بازشناسي گسسته يا پيوسته بودن گفتار است. راحتي بازشناسي گفتار گسسته، داشتن ابتدا و انتهاي عصر كلمه يا اساساً خود كلمه يا همان واحد آوايي مي‏‌‏باشد. همچنين از ديگر شرايطي كه در بازشناسي مطرح است،تعداد واژگان مي‏‌‏باشد. يعني بازشناسي گفتار براي چه تعداد كلمه‏‌‏اي صورت مي‏‌‏پذيرد.
‏هدف از انجام پروژة فوق در ابتدا بازشناسي كلمات گسسته قراني و در مرحلة دوم ارزيابي نحوة بيان و تلفظ كلمات قرآني مي‏‌‏باشد. از آنجائيكه براي مقايسه بين كلمة ادا شده توسط كاربر و صداي استاد بايد يك سيستم بهينه وجود داشته باشد. در مرحلة اول سعي مي‏‌‏كنيم، سيستم را به حالت بهينه خود برسانيم و سپس پارامترهاي اين سيستم جهت انجام مرحلة دوم استفاده كنيم.
3
‏اما چون در هنگام ارزيابي نحوة‏‌‏ بيان كلمه قرآني، كلمه مورد نظر از قبل مشخص است، بناباين در مرحله دوم احتياجي به بازشناسي گفتار نمي‏‌‏باشد.
‏در بخش اول براي بهتر درك كردن مفهوم بازشناسي به بررسي سيستم توليد صوت و شنوايي انسان مي‏‌‏پردازيم. سپس وارد مفاهيم بازشناسي گفتار خواهيم شد. در اين مرحله روشهاي جداسازي سيگنال زمينه از روي سيگنال صحبت مورد بررسي قرار مي‏‌‏گيرد. سپس نحوة استخراج ماتري ضرائب كپستروم و در نهايت بازشناسي گفتار بوسيلة الگوريتم انحراف زماني پويا (DTU) ‏ و مدل مخفي ماركوف مورد بررسي قرار مي‏‌‏گيرد.
‏پس از آشنايي با ابزارهاي بازشناسي گفتار، نحوة پياده سازي الگوريتم‏‌‏هاي فوق ذكر خواهد شد. بعد از راه‏‌‏اندازي سيستم بازشناسي گفتار كلمات مقطع، بوسيلة الگوريتم DTN‏ مشاهده شد نرخ بازشناسي گفتار پائيني است و حدود %47 مي‏‌‏باشد. از اين رو در جهت بهبود پارامترهاي سيستم و بهينه كردن آن در مراحل بازشناسي و پارامترهاي آن تغييراتي داده شد، كه به ذكر آنها پرداخته خواهد شد.
‏پس از بهينه كردن پارامترهاي سيستم بازشناسي گفتار و رسانيدن نرخ بازشناسي گفتار به 99% براي 20 كلمه قرآني الگوريتم‏‌‏هاي ارزيابي نحوة بيان بوسيلة روش DTA‏ بحث خواهد شد.
‏در بخش انتهايي به بررسي مدل مخفي ماركوف خواهيم پرداخت. سپس مراحل پياده سازي الگوريتم فوق بوسيلة نرم افزار و نكات عملي آن گفته خواهد شد. در نهايت سيستم بازشناسي گفتار كلمات مقطع قرآني و نحوة پياده سازي آن مورد بررسي قرار خواهد گرفت و در مرحلة بعدي الگوريتم ارزيابي نحوة بيان بوسيلة ذكر خواهد شد.
‏تغيير محيط اكوستيكي روي نتيجه بازشناسي اثر خواهد گذاشت. از آنجائيكه سيستم فوق براي نمونه‏‌‏هاي آزمايشگاهي آموزش داده شده با تغيير محيط اكوستيكي مطمئناً نتايج بازشناسي تغيير خواهد كرد و نمونه‏‌‏هاي واقعي داراي نوين ميكروفن، محيط و همچنين برگشت صدا خواهند بود.
5
‏در انتها به بررسي سيستم‏‌‏هاي بهبود گفتار خواهيم پرداخت، هدف از اين بخش حذف هزينه ورودي از طريق ميكروفن و از بين بردن تأثيرهاي محيط بر روي سيگنال صدا مي‏‌‏باشد.
‏در اين بخش به دو روش اشاره خواهيم: ابتدا روش spectral subtraction
‏كه به ميزان يك روش عمدي براي حذف نويز مي‏‌‏رود ذكر خواهد شد.
‏سپس به معرفي يك الگوريتم جديد در حذف نويز ميكروفن خواهيم پرداخت.
‏مدل اعضاي صوتي انسان
‏در شكل (1-2) يك دياگرام شماتيك از مكانيزم توليد صحبت انسان نشان داده شده است. هنگام صحبت معمولي،‏‌‏ قفسه سين با فشار وارد كردن به ششها باعث مي‏‌‏شود كه هواي فشرده از ششها از طريق حنجره بيرون رانده شود. تارهاي صوتي كه درست در پشت غدة تيروئيد قرار گرفته‏‌‏اند،‏‌‏ اگر تحت تنش قرار گيرند، با عبور هوا مرتعش مي‏‌‏شوند و بدين ترتيب هوا نيز متناسب با فركانس ارتعاش تارهاي صوتي مرتعش شده و در اين حالت حروف صدادار توليد مي‏‌‏گردند.
‏اگر تارهاي صوتي از هم جدا شوند، جريان هوا از درون فاصلة بين تارهاي صوتي عبور مي‏‌‏كند و تأثير آن ايجاد نمي‏‌‏شود. جريان هوا سپس از فضاي حلق عبور نموده و بسته به موقعيت دريچة تنظيم عبور هوا از دهان يا بيني از فضاي اين دو عبور مي‏‌‏نمايد. جريان هوا از طريق دهان و بيني يا هر دو مشتركاً به بيرون داده مي‏‌‏شود و هنگام صحبت اين كاملاً قابل حس كردن است.
‏در حالت توليد حرف بي صدا مانند ‏«‏س‏»‏ يا ‏«‏پ‏»‏ تارهاي صوتي در هم باز مي‏‌‏شوند و يكي از دو حالت زير غالب است. يا يك جريان مغشوش هوا توليد مي‏‌‏شود، هنگامي‏‌‏كه هوا از درون فضاي نيمه بسته باريك در نقطه‏‌‏اي از اعضاي صوتي عبور مي‏‌‏كند (مانري) و يا يك تحريك گذري مختصر بدنبال ايجاد فشار پشت يك نقطة كاملاً بسته در اعضاي صوتي انسان اتفاق مي‏‌‏افتد (مانند p‏).
‏وقتيكه جز جز كننده‏‌‏هاي مختلف مانند زبان، لبها، آرواره‏‌‏ها و پردة تفكيك بيني و دهان در حين صحبت مدام حالتشان عوض مي‏‌‏شود. شكل قسمتهاي مختلف فضاي داخل ناخيه صوتي تغيير مي