مقدمه: هنر تقلید صدای انسان با کامپیوتر، یکی از چالشی ترین موضوعات پردازش گفتار در سال های اخیر بوده است. یک سیستم تبدیل گفتار دارای دو سمت است. در یک سمت آن، گوینده مبدا قرار دارد که صدایش برای تقلید صدای گوینده هدف (که در سمت دیگر سیستم قرار دارد) تغییر داده می شود. برای تبدیل گفتار فرد مبدا به فرد هدف از دو روش موازی و ناموازی استفاده می شود. در روش موازی گوینده مبدا و هدف جملات یکسانی بیان ...

در دهه های گذشته تحقیقات گسترده ای برای بهبود فهم گفتار نویزی انجام شده است. این تحقیقات می تواند به 2 گروه تقسیم شود :روش های کاهش نویز و بهبود گفتار یا مقاوم سازی گفتار. گروه اول شامل تکنیک هایی است که نویز ترکیب شده با گفتار را با کمترین تاثیر روی فهم گفتار کاهش می دهد. این روش ها در شرایطی که ماهیت نویز نامعلوم باشد به خوبی کار نمی کنند. این گروه از روش های بهسازی سیگنال گفتار، روش کاهش نوی...

با پیشرفت چشمگیر علوم رایانه در چند دهه ی اخیر و پررنگ تر شدن نقش آن در زندگی بشر، علوم مختلفی در کنار آن بوجود آمده و رشد کرده اند. یکی از این علوم هوش مصنوعی است و خود نیز به شاخه های متعددی تقسیم می شود که یکی از آن ها پردازش زبان طبیعی است. از شاخه های پردازش زبان طبیعی می توان به تبدیل متن به گفتار اشاره کرد که بیش از پنج دهه بر روی این موضوع کار شده است. در تبدیل متن به گفتار، هدف این است...

در این رساله به مطالعه و پیاده سازی سیستم تبدیل گفتار با کیفیت بالا پرداخته شده و روش های افزایش کیفیت و بهبود عملکرد آنها در زبان فارسی مورد بررسی قرار گرفته است. در سیستم های تبدیل گفتار، گوینده a (مبدا) عباراتی را بیان می کند و هدف از آن عبارت است از تغییر متکلم جملات بیان شده از گوینده aبه گوینده b(مقصد). کاربرد سیستم های تبدیل گفتار در ساخت پایگاه دادگان گفتاری جهت کاربرد در سیستم های تبدی...

بهسازی گفتار یا speech enhancement بیانگر گروه بزرگی از روش هاست که با انجام پردازش هایی روی سیگنال های نویزی، نهایتا منجر به بهبود کیفیت و قابلیت فهم گفتار می شود. تاکنون چندین روش در زمینه بهسازی گفتار نویزی ارائه شده است. روش پیشنهادی ما در این پایان نامه، شبکه عصبی موجک (ویونت) می باشد. این روش، مدلی مبتنی بر تلفیق شبکه عصبی با تبدیل موجک می باشد و به عنوان جایگزین مناسب در شبکه های عصبی ...

تجزیه و تحلیل بلادرنگ (real time) سیگنال الکتروکاردیوگرام (ecg) کاربردهای گسترده و مهمی در پزشکی دارد. هدف اصلی این پژوهش معرفی و توصیف الگوریتمی دقیق و ساده برای آشکار سازی بلادرنگ موج‏های p-qrs-t در سیگنال الکتروکاردیوگرام است. در این الگوریتم ابتدا، پیش پردازش بلادرنگ سیگنال شامل حذف نویز با فرکانس بالا و انحراف خط پایه به کمک تبدیل موجک گسسته (dwt) صورت‏ می‏گیرد. سپس، بمنظور آشکارسازی کمپلک...

یکی از مباحث مهم در پردازش سیگنال، حذف سیگنال های ناخواسته یا نویز از سیگنال اصلی است. این امر برای کاربردی نظیر گفتار دقت بیشتری را می طلبد، چرا که در اغلب موارد ارزیابی سیگنال بهسازی شده از هر دو منظر کیفی و کمی مورد توجه است. سیستم های بهبود گفتار مبتنی بر موجک موفقیت خود را در عمل نشان داده اند. یکی از مباحث مهم در این سیستم ها وجود موجکی می باشد که با آن بهسازی صورت می گیرد. موجک باید به گ...

مکان یابی منبع گفتار یکی از زیر شاخه های سیستم های پردازش گفتاری می باشد. در این پژوهش مکان یابی منبع گفتار با استفاده از روش های مبتنی بر srp مدنظر بوده است. روش استفاده شده در این پژوهش روش srp-phat است. روش srp-phat در مکان یابی منبع گفتار تحت شرایط انعکاسی، مقاوم می باشد. در حقیقت این روش که بر مبنای شکل دهی پرتو آرایه میکروفونی بنا نهاده شده است، سعی می کند با جستجوی فضا، ماکزیمم انرژی در ...

سابقه و هدف: نرم افزار تبدیل گفتار به متن، ابزار تسهیلکننده ای جهت ورود داده به پرونده ی الکترونیک سلامت میباشد. بکارگیری این نرم افزار در حوزه ی بهداشت و درمان، مستلزم تعریف دادگان تخصصی جهت آن است. هدف پژوهش حاضر، ایجاد دادگان متنی تخصصی جهت نرم افزار تبدیل گفتار به متن در جراحی ترمیمی دست و تست عملی این فناوری در بیمارستان میباشد. مواد و روش ها: مرحله ی اول پژوهش به روش اکتشافی برای طراحی دا...

در این مقاله یک روش بهسازی گفتار آماری با فرض توزیع مخلوط لاپلاس برای گفتار، برای تخمین سیگنال گفتار تمیز (بدون نویز) از سیگنال گفتار نویزی ارائه شده است. در روش پیشنهادی، ضرایب تبدیل فوریه زمان کوتاه گسسته سیگنال گفتار با استفاده از تخمین گر کمترین میانگین مربعات خطا، بدست می آید. در این تخمین، فرض می شود که تابع چگالی احتمال ضرایب تبدیل فوریه سیگنال تمیز و نویز به ترتیب، مخلوط لاپلاس و گوسی ب...