در این مقاله یک رویکرد کارآمد مبتنی بر ماشین یادگیر بیشینه برای تشخیص و شناسایی پیکسلهای آغشته به نویز فلفل نمک از تصاویر دیجیتال ارائه شده است. الگوریتم پیشنهادی با استفاده از یک طبقه بند ماشین یادگیر بیشینه با ورودی های پیکسل مرکزی، road و چهار فاکتور تصمیم گیری فیلتر sd-rom، ابتدا پیکسل های نویزی را تشخیص داده و سپس با استفاده از فیلتر میانه تطبیقی، مقدار پیکسل نویزی تخمین زده می شود. نتایج ...

در یک مهمانی، ما می توانیم به یک صدای خاص توجه ویژه داشته باشیم و دیگر صداهای تداخلی موجود در محیط اطراف خود را فیلتر نماییم. این قابلیت ادراکی، باعث ایجاد انگیزه ای برای پدید آوردن یک زمینه مطالعاتی جدید گردید. هدف این زمینه مطالعاتی، طراحی سیستم های جداسازی گفتار بر اساس اصول سیستم شنوایی انسان است. در بسیاری از کاربردها نظیر بازشناسی گفتار اتوماتیک و مخابرات راه دور به یک سیستم موثر که توانا...

امروزه دیگر هیچ سازمانی از اهمیت درک تبلیغات خود را بی نیاز نمی داند، اگر تبلیغات در کوتاه مدت به حفظ سهم فروش در بازارها کمک می کند، در بلند مدت با ایجاد عادت در مشتری همراه است. از آنجا که بشر به شدت در معرض تبلیغات قرار دارد و تنها به تعداد محدودی از تبلیغات توجه می کند؛ بنابراین برای اینکه تبلیغات موفق باشد می بایست از تبلیغات آگاهی دهنده و صحیح استفاده گردد.

با توجه به وجود عوامل بسیار در تخریب سیگنال گفتار، بهسازی این سیگنال از اهمیت زیادی برخوردار شده است. شکل دهی پرتو یکی از روش های مطرح برای بهسازی گفتار است که با استفاده از آرایه های میکروفونی صورت می پذیرد. با توجه به محدودیت های موجود در نحوه چینش میکروفون ها، پنجره ای به سوی بحث آرایه های میکروفونی با چیدمان نامنظم (ad-hoc) گشوده شده است. با فرض عدم شناخت نسبت به مکان و چینش میکروفون ها و ه...

چکیده: «شبکۀ عصبیِ بر پایۀ توابعِ شعاعی » یک تقریب گر عمومی می باشد. در این مقاله «تابعِ فعال ساز گرانولی» برای بهبود یادگیری این شبکه در شرایط نویزی پیشنهاد می گردد که یک تابعِ گاوسی با «انحراف استاندارد بازه ای و میانگین ثابت» است و به آن «تابعِ فعال ساز بازه ای» نیز گفته می شود. در لایۀ میانیِ این شبکه، سه پارامترِ وابسته به توابعِ فعال ساز گرانولی آموزش می بینند که «مرکز توابعِ فعال ساز گرانولی» که ...

تشخیص احساس از روی گفتار موضوعی میان رشته ای در حوزه ی روانشناسی، بازشناسی الگو و پردازش سیگنال می باشد که در دهه ی اخیر توجه بسیاری از پژوهشگران را به خود جلب نموده است. در این رساله با آنالیز تصویر طیف نگاره ی گفتار ویژگی های مبتنی بر الگوهای طیفی و انرژی هارمونیک ها را استخراج نمودیم. ویژگی های دینامیکی غیر خطی نیز با استفاده از بازسازی فضای فاز سه بعدی سیگنال گفتار استخراج شدند. سپس، از معی...

کاهش قابلیت فهم گفتار در شرایط نویزی یکی از متداول ترین مشکلات شنونده ها، به ویژه افراد دارای ضعف شنوایی است. توانایی پیش بینی قابلیت فهم می تواند باعث بهبود طراحی سیستم های صوتی و توسعه الگوریتم های کمک شنوایی در امر توانبخشی شود. روش های معمول برای پیش بینی قابلیت فهم، به شکل ماکروسکوپی عمل می کنند، به این معنی که ویژگی های ماکروسکوپی سیگنال، مانند طیف بلند مدت یا نسبت سیگنال-به-نویز (snr) در...

اخیراً شبکه های تطبیقی برای حل مساله تخمین خطی در شبکه های توزیع شده مانند شبکه های سنسوری بی سیم معرفی شده اند. ایده اصلی در این نوع از شبکه ها آن است که حل مساله تخمین به صورت توزیع شده نیاز به اطلاعات آماری مساله ندارد. در عمل مسائلی مانند وجود لینک های نویزی و متغیر بودن توپولوژی شبکه سبب تغییر چشمگیر عملکرد شبکه های تطبیقی می گردد. با توجه به اهمیت این مسائل در این رساله جنبه های عملی مربوط...

مکان یابی منبع گفتار در بسیاری از سیستم های پردازش گفتار از قبیل سیستم های تله کنفرانس، سیستم های بازشناسی گفتار، اتاق های کنفرانس هوشمند و سیستم های کمک شنوایی کاربرد دارد. مکان یابی منابع صوتی برای مشخص نمودن مکان دقیق یک یا چند منبع استفاده می شود که توسط روش های مختلفی انجام می گیرد. در این پایان نامه مکان یابی بر اساس آنالیز ویژه مدنظر است که اساس کار این روش ها، تجزیه ی ماتریس همبستگی می...

بهبود نتایج بازشناسی سیستم های بازشناس خودکار گفتار، یکی از عرصه های مهم پیش روی محققان حوزه پردازش و بازشناخت گفتار است. علی رغم فعالیت های انجام یافته، نتایج به دست آمده از این سیستمهای ماشینی هنوز به نتایج بازشناسی سیستم شنوایی انسان نرسیده است. بناباین از آنجا که عملکرد سیستم بازشناسی گفتار در مقایسه با بازشناس های معمولی ماشینی محسوب می گردد، می توان امید داشت که با الهام گرفتن از عملکرد س...