استخراج ويژگيهاي مل كپستروم با استفاده از برنامه نويسي ژنتيك براي بازشناسي مقاوم گفتار

هستند. این ویژگیها از (MFCC متداولترین و كاراترین ویژگیها برای بازشناسی گفتار، ضرایب فركانسی مل كپستروم ( 1 طریق اعمال تبدیل كسینوسی گسسته بر لگاریتم انرژیخروجیهای بانك فیلترِ مِل بدست میآیند. تبدیل كسینوسی گسسته در حالت كلی در فشردهسازی و ناهمبسته سازی دادهها به صورت نیمه بهینه عمل میكند. این موضوع یكی از علل كاهش عملكرد ویژگیهای مل كپستروم در محیطی است كه نویزهای جمع پذیر وجود دارند. در این مقاله پیشنهاد میشود كه با جایگزینی توابع تخمینی حاصل از برنامه نویسی ژنتیك به جای تبدیل كسینوسی گسسته بر ضعفهای یاد شده غلبه شود. دو تابع برازش مختلف برای برنامهریزی ژنتیك در این مقاله مورد استفاده قرار گرفته است. تعامد لگاریتم انرژی خروجیهای بانك فیلترِ مِل و قطری سازی ماتریس نشان میدهد كه روش پیشنهادی سبب افزایش دقت Aurora كواریانس آنها. نتایج بدست آمده بر روی پایگاه داده گفتار 2 بازشناسی نسبت به روش استاندارد استخراج ضرایب مل كپستروم و نیز استفاده از آنالیز مولفههای اصلی به همراه این ضرایب میگردد.