1 Amaliy ish Mavzu: Nutq signallarni ro'yxatga olish uchun apparat-dasturiy vositalarni o'rganish Ishdan maqsad

1 - Amaliy ish

Mavzu: Nutq signallarni ro'yxatga olish uchun apparat-dasturiy vositalarni o'rganish

Ishdan maqsad: Nutq signallarni ro'yxatga olish uchun apparat-dasturiy vositalarni to’grisida tushunchalar hosil qilish.

Nazariy qisim

Nutqni tanib olish, shuningdek, nutqni avtomatik aniqlash, STT (nutqdan matnga), kompyuter nutqini tanib olish deb nomlanadi, bu nutq signalini so'zlar ketma-ketligiga aylantirish jarayoni. kompyuter dasturi shaklida amalga oshirilgan ba'zi algoritm.

So'nggi 10 yil ichida paydo bo'lgan nutqni aniqlash dasturlariga telefon raqamini ovozli terish (masalan, "uyga qo'ng'iroq"), xizmatga qo'ng'iroq qilish (masalan, "Men pulli qo'ng'iroq qilmoqchiman" kabi misollar kiradi. »), Oddiy ma'lumotlarni kiritish (masalan, kredit karta raqami), tuzilgan hujjatlarni tayyorlash (masalan, tibbiy hisobot), maishiy texnikani boshqarish yoki nutq ma'lumotlar bazasida kontekstli qidirish.

Nutqni aniqlash tizimlari odatda ikkita komponentdan iborat bo'lib, ularni bloklarga yoki subroutinlarga ajratish mumkin - akustik va lingvistik. Til qismiga tilning fonetik, fonologik, morfologik, sintaktik va semantik modellari kirishi mumkin. Akustik model nutq signalini ifodalash uchun javobgardir. Lingvistik model akustik modeldan olingan ma'lumotlarni sharhlaydi va iste'molchiga tan olish natijasini taqdim etish uchun javobgardir. Nutqni modellashtirishning quyidagi yondashuvlari ma'lum.

Yashirin Markov modeli (HMM). Nutqni aniqlashning zamonaviy universal tizimlari odatda yashirin Markov modellariga asoslangan (HMM, yoki HMM, - yashirin Markov modellari). Bu belgilar yoki miqdorlarning tasodifiy ketma-ketliklarini tavsiflovchi statistik model.

Neyron tarmoqlari. Akustik modellashtirishda alternativ yondashuv neyron tarmoqlaridan (NN) foydalanish hisoblanadi. Ular ancha murakkab tanib olish muammolarini echishga qodir, ammo ular katta so'z birikmalari bilan ishlashda HMM bilan bir xil darajada o'lchamaydilar. Bunday tizimlar odatda nutqni tanib olish dasturlarida kamdan kam qo'llaniladi, ammo ular past sifatli yoki shovqinli audio signallarni muvaffaqiyatli qayta ishlaydi va karnaydan mustaqil. O'quv ketma-ketligi va so'z boyligi cheklangan bo'lsa, ular HMM tizimlariga qaraganda ancha aniqroq bo'lishlari mumkin.

Dinamik signallarni masshtablash (vaqtni dinamik ravishda aniqlash - DTW). Dinamik masshtablash (DMS) - bu dastlab nutqni tanib olish uchun ishlatilgan, ammo keyinchalik samaraliroq HMM tizimlari tomonidan almashtirilgan. Algoritm turli xil tezliklarda o'zgarishi mumkin bo'lgan ikki vaqt ketma-ketligi (ketma-ketligi) o'rtasida o'xshashlikni o'rnatish uchun ishlatiladi. Masalan, bir videodagi odam sekin yursa ham, ikkinchisida tezroq yurgan bo'lsa ham, hatto bitta kuzatuv paytida tezlashganda va sekinlashganda ham odamni yurish yo'li bilan aniqlash mumkin.

Tekshirish. Agar ma'ruzachi o'zini ma'lum shaxs deb da'vo qilsa va uning nutqi ushbu bayonotni tekshirish uchun ishlatilsa, bu ma'ruzachining shaxsini tekshirish yoki ovozni tasdiqlash deb ataladi. Ushbu muammo odatda xavfsiz kirishni tashkil qilishda paydo bo'ladi va natijada olingan ovoz namunasi ma'lumotlar bazasida saqlangan bitta shablon bilan taqqoslanishi kerak. Ushbu muammoning echimi "ovozli nashrlar" ni taqqoslash uchun nisbatan sodda texnologiyalarga asoslangan.

Dastur kodi:

%Esonov J

A=1;

f0=35;

Fi0=pi/4;

Fs=33;

N=576;

t=(0:N-1)/Fs;

s=A*sin(2*pi*f0*t+Fi0);

subplot(1,2,1);

plot(t,s,':b');

title ('GARMONIK SIGNAL');

xlabel('vaqt , c');

ylabel('daraja');

grid on;

hold on;

td=1/Fs;

T=0:td:1;

Y=sin(2*pi*f0*T+Fi0);

subplot(1,2,2);

stem(T,Y,'Linew',2);

grid on;

hold on;

figure;

plot(Y);

Xulosa:

Bu amaliy ishimizda Nutq signallarni ro'yxatga olish uchun apparat-dasturiy vositalarni o'rgandim. Nutqni tanib olish, shuningdek, nutqni avtomatik aniqlash, STT (nutqdan matnga), kompyuter nutqini tanib olish, bu nutq signalini so'zlar ketma-ketligiga aylantirish jarayonini kompyuter dasturlari orqali amalga oshirdim.