تشخیص لهجه های زبان فارسی از روی سیگنال گفتار با استفاده از روش های استخراج ویژگی کارآمد و ترکیب طبقه بندها

تشخیص لهجه از روی شکل موج گفتار یکی از شاخه های نسبتا جدید در علم پردازش گفتار است.تشخیص لهجه می تواند تا حد زیادی باعث بهبود سیستم های بازشناخت گفتار شود.همانند هر سیستم بازشناسی، فرآیند تشخیص لهجه نیز شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است.در این مقاله سه روش کارآمد استخراج ویژگی شامل دامنه مرکزی طیفی (SCM) ، مشتق اول آن (∆SCM) و تبدیل Zak روی سیگنال گفتار اعمال شده اند و کارآیی این روش ها با روش های متدوال استخراج ویژگی مانند ضرایب مل-کپستروم و مشتقات آن مقایسه شده است. علاوه بر این یک ویژگی جدید که با ایجاد تغییراتی در الگوریتم محاسبه ضرایب مل-کپستروم به دست می آید برای تشخیص لهجه ها در محیط های نویزی معرفی گردیده است. برای مرحله طبقه بندی از پنج طبقه بند مختلف، شامل MLP ، KNN ، PNN ، RBF و SVM و ترکیب این طبقه بندها با یکدیگر استفاده شده است.نتایج آزمایش ها بیانگر بهبود نرخ بازشناسی لهجه ها با روش های پیشنهادی هستند.