تخمين سريع ضرايب پيچش در هنجارسازي طول مجراي صوتي با استفاده از امتياز به دست آمده از مدلسازي تشخيص جنسيت

يكي از مشكلات عمده­ي سامانه­هاي خودكار بازشناسي گفتار (ASR)، تنوعات موجود در بين گويند­ه­ها، كانال انتقال داده و محيط است كه به علت وجود اين تنوعات، كارايي اين سامانه ها در شرايط كاربردي مختلف به شدت تغيير مي كند. مقاوم سازي سيستم­هاي بازشناسي جهت مقابله با اين تغييرات از جمله مسائل حال حاضر در حوزه بازشناسي گفتار است. از جمله عواملي كه باعث كاهش كارايي سيستم­ها مي­شود، تمايز مشخصات صوتي آواهاي يكسانِ توليد شده از گوينده­هاي مختلف است. يكي از عوامل اصلي اين مشكل ناشي از تفاوت موجود در طول مجراي صوتي (VTL) بين گوينده­هاي مختلف مي باشد. روش هنجارسازي طول مجراي صوتي (VTLN) از روش­هاي رايج براي رفع اين مشكل است كه در آن براي هر گوينده يك ضريب پيچش فركانسي تعيين مي­گردد. در اين مقاله روش متداول تعيين ضريب پيچش با رويكرد مبتني بر جستجو در يك سيستم بازشناسي گفتار پيوسته فارسي مبتني بر مدل مخفي ماركوف معرفي و مشكلات محاسباتي استفاده از اين روش شرح داده شده است. در نهايت روشي مبتني بر رگرسيون خطي از روي امتيازِ محاسبه شده از مدلسازي تشخيص جنسيت جهت تخمين ضرايب پيچش پيشنهاد شده است كه منجر به كاهش قابل ملاحظه هزينه محاسباتيِ روش مبتني بر جستجو مي­شود. علاوه بر اين، نتايج آزمايشات بر روي دادگان آزمون گفتار تلفني محاوره­اي، بيانگر بهبود 54/0 درصدي دقت تشخيص كلمه روش پيشنهادي نسبت به روش متداول مبتني بر جستجو مي­باشد.