تقطیع هجایی گفتار پیوسته فارسی با استفاده از آستانه‌گذاری ضرایب موجک و نرم‌سازی فازیِ تابع انرژی

Abstract

امروزه در تحقیقات حوزه پردازش و بازشناخت گفتار، هجا به دلیل ارتباط قوی آن با تولید و ادراک گفتار در انسان، به عنوان یک واحد زیرکلمه‌ای هر روز بیشتر مورد توجه قرار می‌گیرد. آشکارسازی خودکار مرزهای هجایی گامی مهم در تحقیقات مرتبط با نوای گفتار، تولید گفتار طبیعی و حتی بازشناسی گفتار است. در این مقاله روش جدیدی برای آشکارسازی خودکار مرزهای هجایی در سیگنال گفتار پیوسته فارسی با تکیه بر اطلاعات صوتی ارائه شده است. تحقیقات قبلیِ نویسندگان این مقاله، کارآیی نرم‌سازی فازیِ تابع انرژی را در مقایسه با سایر روش‌های به کار رفته در این زمینه نشان می‌دهد. در این تحقیق، پیشنهاد شده است که از روشی مشابه روش‌های متداول حذف نویز از گفتار به وسیله آستانه گذاری ضرایب موجک برای بهبود خطای درج مرز اضافه استفاده شود. این روند، انرژی همخوان‌های بی‌واکی را که در تابع انرژی قله‌های اضافه ایجاد می‌کنند، به شدت کاهش می‌دهد. نتایج نشان می‌دهند با استفاده همزمان از این روش و روش نرم‌سازی فازی تابع انرژی، خطای درج مرز اضافه در حدود %8 کاهش می‌یابد؛ بدون آنکه سایر معیارهای کارآیی تحت تأثیر قرار گیرند. با استفاده از روش پیشنهادی بیش از %94 از هجاها با خطایی کمتر از 50 میلی‌ثانیه تقطیع می‌شوند.