بازشناسي مقاوم و توام گفتار مستقيم و تلفني با استخراج مناسب بردارهاي بازنمايي و اصلاح آنها توسط معكوس ‌سازي شبكه‌ هاي عصبي

در حال حاضر تلاش فراگيري براي طراحي سيستم هاي بازشناسي گفتار مقاوم نسبت به تنوعات گفتار صورت مي گيرد. يكي از اين تنوعات، گفتار تلفني نسبت به گفتار مستقيم (تهيه شده در شرايط عاري از هر گونه نويز محيط) مي باشد. در مقاله حاضر با بهره گيري از پارامترهاي طيفي LHCB و طراحي يك سري آزمايشهاي عملي مشخص مي گردد كه اين نوع بازنمايي براي طراحي سيستم هاي بازشناسي گفتار تلفني و سيستم هاي بازشناسي توام گفتار مستقيم و تلفني كه مبتني بر شبكه هاي عصبي باشد نسبت به روش متداول MFCC مناسب تر است. سپس با استخراج بردارهاي بازنمايي LHCB از گفتار مستقيم و تلفني و طراحي مدل بازشناسي گفتار مبتني بر شبكه عصبيMLP، يك سيستم بازشناسي توام گفتار مستقيم و تلفني ساخته مي شود. آنگاه با استفاده از معكوس سازي شبكه‎هاي عصبي به روش گراديان بردارهاي بازنمايي گفتار تلفني به سمت بردارهاي بازنمايي گفتار مستقيم اصلاح مي گردد و با تعليم شبكه ديگري روي دادگان اصلاح شده تلفني و دادگان مستقيم دست نخورده، افزايش 4/1% در صحت بازشناسي گفتار تلفني حاصل شده است. در مرحله بعد با استفاده از معكوس سازي عمومي شبكه هاي عصبي هر دو دسته بردارهاي بازنمايي گفتار مستقيم و تلفني به گونه اي اصلاح مي شوند كه بيشتر حاوي اطلاعات آوايي گفتار باشند و ساير تنوعات تا جاي ممكن حذف شوند. با تعليم شبكه ديگري روي اين دادگان اصلاح شده افزايش 98/2% در صحت بازشناسي گفتار تلفني و 68/1% در صحت بازشناسي گفتار مستقيم بدست آمده است.