استخراج و شبیه سازی سه فرمنت اول واکه های زبان فارسی با استفاده از نرم افزار matlab

کوچکترین واحد در نظام آوایی یک زبان واج نامیده می شود که به دو دسته واکه (مصوت) و همخوان (صامت) تقسیم بندی می شود. واکه ها در زبان فارسی شامل ای (/i/)، آ(//a)، او (/u/)، اِ(/e/)، اَ (/?/ )و اُُ(/o/) می باشد. فرکانس فرمنت ها، نشان دهنده فرکانسهای تشدید دستگاه گفتار می باشد. فرمنت ها پارامترهای مربوط به لوله صوتی می باشند که برای هر آوایی مقدار فرکانس فرمنت متفاوتی در مقایسه با آواهای دیگر وجود دارد که مشخصه همان آوا به شمار می رود. پایین ترین قله در طیف فرکانسی به عنوان اولین فرمنت و دومین قله به عنوان دومین فرمنت و بقی? فرمنت ها به این ترتیب مشخص می شوند. این پایان نامه به بررسی فرکانس فرمنت های واکه های زبان فارسی و روش های نرمال سازی و سپس شبیه سازی این فرمنت ها می پردازد. روش های زیادی برای نرمال سازی فرکانس فرمنت ها وجود دارد که از آن جمله می توان به روش نرمال سازی واکه-درون گرای شامل فرکانس، بارک، مِل و erb و روش نرمال سازی واکه-برون گرای شامل گریشتمن، لبانو، نورداستروم، نیری، دیسنر، میلر، s&gو parafacاشاره کرد. با ارزیابی روش های مختلف نرمال سازی بر روی زبانهای مختلف می توان نتیجه گرفت، یک روش نرمال سازی موثرترین روش برای هم? زبانها نمی باشد. بطوری که مقایسه نرمال سازی واکه ها در یک زبان با پیاده کردن همان روش نرمال سازی در زبان دیگر که سیستم واک? متفاوتی دارد، نتایج متفاوتی را نشان می دهد. چرا که نتایج کیفی از این روش ها بر اساس عوامل زیادی در زبان متغییر می باشند. این عوامل در زبان تحت عنوان منابع تغییردهند? گفتار شناخته می شوند. با در نظر گرفتن منابع تغییردهنده گفتار و با مقایسه نتایج پیاده سازی روش های مختلف نرمال سازی در این تحقیق، روش نرمال سازی بارک به عنوان بهترین روش برای نرمال سازی واکه-درون گرای و روش نرمال سازی لبانو به عنوان بهترین روش نرمال سازی واکه-برون گرای برای واکه های زبان فارسی با در نظر گرفتن جنسیت به عنوان تنها عامل تغییر گفتار بدست آمد. همچنین با طراحی فیلتر به زبانmarlab فرکانس فرمنت های هریک از واکه ها شبیه سازی گردید.