بخشی از پاورپوینت

--- پاورپوینت شامل تصاویر میباشد ----

اسلاید 1 :

مقدمه

سيستمهاي بازشناسي گفتار پيشين

تأثير نويز در افت کارايي سيستمهاي بازشناسي گفتار

اسلاید 2 :

رويکرد داده گمشده

 دو رويکرد اصلي در تئوري داده گمشده :

 Data Marginalization

 Data imputation

اسلاید 3 :

نقاب طيفنگاري

تعريف نقاب طيفنگاري

انواع نقاب طيف‌نگاري :

                                                 - نقاب سخت

                                                 - نقاب نرم

 

مهمترين و حياتي‌ترين بخش تئوري ويژگي‌گمشده

اسلاید 4 :

روشهاي تخمين نقاب طيف نگاري

رويكردهاي براساس تحليل سيگنال ( روشهاي bottom-up)

رويکردهاي براساس مدلهاي آماري ( روشهاي top-down )

رويکردهاي براساس تحليل سيگنال و مدلهاي آماري(ترکيب دو روش بالا)

رويكردهاي بر اساس CASA

اسلاید 5 :

هدف نهايی : تخمين دقيق SNR در هر مولفه زمان-فرکانس

 

معيارهاي تخمين مستقيم SNR

  الگوريتم هاي تخمين نويزکلي

  الگوريتم هاي تخمين نويز محلي و تخمين SNR محلي

معيارهاي تخمين غير مستقيم SNR بر اساس ويژگيهاي سيگنال گفتار

اسلاید 6 :

معيارهاي تخمين غير مستقيم SNR بر اساس ويژگيهاي سيگنال گفتار

   Spectral Entropy Measure

   Sparsity Measure

   Comb Filter Ratio (CFR)

   AutoCorrelation Peak Ratio (ACPR)

   Kurtosis

   Flatness

اسلاید 7 :

Spectral Entropy Measure

تعريف entropy

enrtropy به عنوان معياري براي peakness

هدف : محاسبه آنتروپي short time fourier transform spectrum

تبديل spectrum به PMF :

محاسبه آنتروپي براي هر فريم :

 

اسلاید 8 :

Sparsity Measure

        proposed Sparsity measure:

         If we assume the number of samples of signal                    is M then:

 

 

اسلاید 9 :

Kurtosis

  • سيگنالهاي صوت اطراف ما، شامل گفتار، به عنوان سيگنالهاي سوپرگاوسين در نظر گرفته مي‌شوند.
  • Kurtosis معياري براي تعيين تيز بودن نقطه بيشينه مي‌باشد .

 اميدهاي رياضي از ميانگين نمونه‌ها در هر زير باند از هر فريم بدست آمده است.

 

در متن اصلی پاورپوینت به هم ریختگی وجود ندارد. برای مطالعه بیشتر پاورپوینت آن را خریداری کنید