دراسة تحليلية لخوارزميتي ( MFCCو Endpoint) ومدى تاثيرهما في نسب التعرف على الصوت

يشتمل التعرف على الصوت قسمين اساسيين وهما التعرف على الكلام والتعرف على المتكلم، حيث تعد عمليات التعرف هذه من اهم التقنيات الحديثة وقد تم تطوير العديد من الانظمة التي تختلف بالطرق المستخدمة في استخراج السمات وطرق التصنيف لتدعم انظمة تعرف من هذا النوع. اشتملت الدراسة في هذا البحث على القسمين السابقين، حيث تم تصميم نظام تعرف على المتكلم واوامره الصوتية واستخدام عدة خوارزميات متكاملة لانجاز البحث. قمنا باجراء دراسة تحليلية لخوارزميةMel Frequency Cepstral Coefficients MFCC المستخدمة في استخراج السمات، وتمت دراسة بارامترين خاصين بهذه الخوارزمية هما عدد المرشحات في بنك المرشحات وعدد السمات الماخوذة من كل اطار وعلاقة هذين البارامترين ببعضهما ومدى تاثير قيمتهما على نسب التعرف. وتم استخدام الشبكات العصبية ذات التغذية الامامية والانتشار الخلفي للخطا Forwarding back propagation Neural Networks (FFBPNN)Feed كمصنف وحللنا اداء الشبكة للوصول الى افضل خصائص ومكونات محققة عملية التعرف. كما تمت دراسة خوارزمية Endpoint المستخدمة لازالة فترات الصمت وتاثيرها في نسب التعرف على الصوت.