سال انتشار: ۱۳۸۸

محل انتشار: پانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۷

نویسنده(ها):

رضا صحرائیان – دانشکده مهندسی برق – دانشگاه علم و صنعت ایران
بهزاد زمانی – دانشکده مهندسی کامپیوتر – دانشگاه علم و صنعت ایران
احمد اکبری – دانشکده مهندسی کامپیوتر – دانشگاه علم و صنعت ایران
احمد آبت الهی – دانشکده مهندسی برق – دانشگاه علم و صنعت ایران

چکیده:

روش بیشینه همسانی با رگرسیون خطی (MLLR) به عنوان یکی از شناخته شده ترین روشهای تطبیق گوینده است که در دادگان تطبیقی کم با خوشه بندی پارامترهای مدل و تخمین ماتریس تبدیلبرای هر خوشه باعث بهبود عملکرد تطبیق میشود در این مقاله سعی شده است که با استفاده از روش متمایز ساز خطای کمینه ردهبندی با متمایز کردن ویژگیهای سیگنال گفتار این مشکل را برطرف کرده، عملکرد تطبیق را بهبود دهیم. بکارگیری متمایز ساز خطای کمینه رده بندی ضعف روش MLLR د رخوشه بندی را برطرف کرده و یک خوشه بندی یکنواخت ایجاد میکند. بر اساس آزمایشات انجام گرفته برروی دادگان WSJO,TIMIT و نتایج بدست آمده روش پیشنهادی یعنی بکارگیری خطای کمینه رده بندی نسبت به روشهای معادل بدون خطای کمینه ردهبندی باعث افزایش ۰٫۴۹ تا ۰٫۶۲ درصد در نرخ بازشناسی واج بر TIMIT و ۰٫۱۲ تا ۰٫۷۲ درصد افزایش نسبی درنرخ بازشناسی واج بر دادگان WSJO شده است.