ارائه يك روش جديد بهسازي گفتار بر مبناي يادگيري مدل ناهمدوس به‌كمك ضرايب تبديل موجك

بهسازي گفتار يكي از زمينه‌هاي پركاربرد در پردازش سيگنال است كه در حوزه‌هاي مختلفي مورد استفاده قرار مي‌گيرد. در اين مقاله از مفاهيم بازنمايي تُنُك و يادگيري واژه‌نامه به‌منظور حذف نوفه از سيگنال گفتار در فضاي ويژگي تبديل موجك استفاده مي‌شود. ساختار مورد نياز جهت بازنمايي هر مؤلفه از سيگنال به‌كمك مفاهيم بازنمايي تُنُك، براساس تعداد كمي از اتم‌هاي يادگيري‌شده امكان‌پذير است. به‌منظور دست‌‌يابي به نتايج مطلوب در بهسازي گفتار، از روال يادگيري واژه‌نامه‌ ناهمدوس بهره گرفته مي‌شود. به‌‌كمك ضرايب تبديل موجك، تجزيه سيگنال در زيرباندهاي مختلف كه شامل اطلاعات دقيقي از محتواي سيگنال هستند، فراهم مي‌شود. در روش پيشنهادي، دو سناريوي نظارت‌شده و نيمه‌نظارت‌شده مورد بررسي قرار گرفته و يك الگوريتم آشكارساز فعاليت گفتاري در هر سناريو با توجه به شرط‌هاي معرفي‌شده بر اساس واژه‌نامه‌هاي يادگيري‌شده در گام آموزش، پيشنهاد مي‌شود. با استفاده از نتايج خروجي آشكارساز پيشنهادي، سيگنال گفتار تخميني طي يك روال بهسازي در گام بعد به‌دست خواهد آمد. نتايج گزارش‌شده براساس معيارهاي مختلف ارزيابي عملكرد، بر توانايي اين روش در زمينه كاهش نوفه سيگنال گفتار تأكيد مي‌كند. روش‌هاي پيشنهادي، توانايي بالايي را در‌خصوص كاهش نوفه‌هاي ناايستا به‌خصوص در مقادير سيگنال به نوفه پايين دارد.