نمونه پایاننامه الکترونیک: راهنمای گام به گام
نوشتن پایاننامه، چه در قالب چاپی و چه الکترونیکی، مستلزم تلاش، پشتکار و آشنایی با اصول و قواعد نگارش علمی است. در این مسیر، مطالعه نمونه پایان‌نامه‌های برجسته و باکیفیت می‌تواند راهنمای ارزشمندی برای دانشجویان باشد.
در این مطلب، ضمن معرفی منابعی برای یافتن نمونه پایاننامه الکترونیک، به بررسی ساختار و محتوای یک نمونه پایاننامه الکترونیک در رشته‌های مختلف می‌پردازیم.
منابع یافتن نمونه پایاننامه الکترونیک
دانشجویان می‌توانند از طریق روش‌های مختلفی به نمونه پایان‌نامه‌های الکترونیک دسترسی پیدا کنند:
- کتابخانه‌های الکترونیکی: بسیاری از کتابخانه‌های دانشگاهی و عمومی، مجموعه‌های کاملی از پایان‌نامه‌های الکترونیکی را در قالب‌های مختلف مانند PDF، EPUB و … نگهداری می‌کنند.
- سایت‌های دانشگاه‌ها: اکثر دانشگاه‌ها پایان‌نامه‌های پذیرفته شده را در وب‌سایت خود به صورت الکترونیکی بارگذاری می‌کنند.
- پایگاه‌های اطلاعاتی: پایگاه‌های اطلاعاتی مانند ایرانداک، گنجور و سیویلیکا، مرجعی جامع برای یافتن پایان‌نامه‌های الکترونیکی در موضوعات مختلف هستند.
- سایت‌های شخصی: برخی از دانشجویان و اساتید، پایان‌نامه‌های خود را در وب‌سایت شخصی خود برای دانلود رایگان یا مطالعه آنلاین قرار می‌دهند.
ساختار و محتوای یک نمونه پایاننامه الکترونیک
ساختار و محتوای یک نمونه پایاننامه الکترونیک، تا حد زیادی به رشته تحصیلی و موضوع تحقیق بستگی دارد. با این حال، به طور کلی، یک نمونه پایاننامه الکترونیک باید از بخش‌های زیر تشکیل شده باشد:
- صفحه عنوان: شامل عنوان پایاننامه، نام نویسنده، نام استاد راهنما، نام گروه آموزشی، نام دانشکده، نام دانشگاه و تاریخ دفاع می‌شود.
- چکیده: خلاصه‌ای از محتوای پایاننامه، شامل مقدمه، روش تحقیق، یافته‌ها و نتیجه‌گیری است.
- فهرست مطالب: فهرستی از عناوین و زیرعنوان‌های پایاننامه به همراه شماره صفحه آنها.
- مقدمه: در این بخش، موضوع تحقیق، اهمیت آن، ضرورت انجام پژوهش، پیشینه تحقیق و سوالات پژوهش ارائه می‌شود.
- مروری بر ادبیات: در این بخش، به بررسی منابع و مطالعات انجام شده در زمینه موضوع تحقیق پرداخته می‌شود.
- روش تحقیق: در این بخش، روش و ابزارهای جمع‌آوری و تحلیل داده‌ها معرفی می‌شود.
- یافته‌ها: در این بخش، یافته‌های حاصل از پژوهش به صورت جداول، نمودارها و توضیحات ارائه می‌شود.
- بحث و نتیجه‌گیری: در این بخش، یافته‌ها تفسیر و تحلیل شده و به سوالات پژوهش پاسخ داده می‌شود.
- فهرست منابع: شامل منابع مورد استفاده در نگارش پایاننامه است.
- پیوست‌ها: شامل جداول، نمودارها، تصاویر و سایر اطلاعات تکمیلی است.
نکاتی در مورد انتخاب نمونه پایاننامه الکترونیک
- مرتبط بودن با موضوع تحقیق: نمونه پایاننامه انتخاب شده باید به لحاظ موضوعی با تحقیق شما مرتبط باشد.
- اعتبار منبع: از منابع معتبر و شناخته شده برای یافتن نمونه پایاننامه استفاده کنید.
- کیفیت نگارش: نمونه پایاننامه انتخاب شده باید از نظر نگارش و ویراستاری در سطح بالایی باشد.
- به‌روز بودن: تا حد امکان، از نمونه پایان‌نامه‌های جدید و به‌روز استفاده کنید.
جمع‌بندی
مطالعه نمونه پایان‌نامه‌های الکترونیک، می‌تواند راهنمای ارزشمندی برای دانشجویان در نگارش پایاننامه خود باشد. با انتخاب نمونه‌های مناسب و باکیفیت، دانشجویان می‌توانند با ساختار و محتوای یک پایاننامه استاندارد آشنا شده و از تجربیات دیگران در این زمینه بهره‌مند شوند.
در ادامه، به چند نمونه از منابع معتبر برای یافتن نمونه پایاننامه الکترونیک اشاره می‌کنیم:
- پایگاه اطلاعات سیویلیکا: https://civilica.com/
- پایگاه اطلاعات گنجور: https://ganjoor.net/
- پایگاه اطلاعات ایرانداک: https://irandoc.ac.ir/
- کتابخانه الکترونیکی دانشگاه علامه طباطبایی
مقدمه 1
فصل اول- مروری بر روش هاي عمده بهسازي گفتار
مباني توليد سيگنال گفتار…………………………………………………………………………….. 3
مفاهيم بهسازي گفتار………………………………………………………………………………….. 7
کاربردهاي عمده بهسازي گفتار……………………………………………………………………. 8
طبقه بندي روش هاي بهسازی گفتار…………………………………………………………….. 9
1-4-1- کاهش نويز با استفاده از خاصيت تناوبي گفتار…………………………………………….. 11
1-4-2- بهسازي گفتار بر اساس مدل………………………… …………………………………………. 12
1-4-3- تکنيک هاي مبتنی بر دامنه طيفي زمان-کوتاه………………………………………………. 13
1-4-4- روش هاي مبتني بر آستانه گذاري روي ضرايب موجک………………………………. 15
1-4-5- حذف وفقی نويز…………………………………………………………………………………….. 16
فصل دوم- مروری بر روش هاي تفريق طيفي
تفريق طيفي………………………………………………………………………………………………. 19
تعميم روش هاي تفريق طيفي……………………………………………………………………… 21
مقادير طيفي منفي………………………………………………………………………………………. 23
اطلاحات روي تفريق طيفي…………………………………………………………………………. 24
2-4-1- متوسط گيري اندازه………………………………………………………………………………… 24
2-4-2- تعميم تفريق طيفي………………………………………………………………………………….. 25
2-4-3- تفريق طيفي با استفاده از كف طيفي و تفريق بيش از حد…………………………….. 25
2-4-4- تفريق طيفي با تخمين گر MMSE STSA…………………………………………………. 27
2-4-5- تفريق طيفي بر مبناي ويژگي هاي ادراكي………………………………………………….. 28
2-4-6- روش هاي تفريق طيفي وابسته به فركانس…………………………………………………. 29
2-4-7- تفريق طيفي چند باند……………………………………………………………………………… 30
2-4-7-1- پيش پردازش…………………………………………………………………………………….. 32
2-4-7-2- شرح تفريق طيفي چند باند………………………………………………………………….. 34
فصل سوم- آشنائی با تجزيه مقادير منفرد و الگوريتم های VAD
تجزيه مقادير منفرد…………………………………………………………………………………….. 38
رابطه بين تجزيه مقادير منفرد و تجزيه مقادير ويژه…………………………………………. 39
مقادير ويژه و بردارهای ويژه……………………………………………………………………….. 40
3-3-1- روش يافتن مقادير ويژه……………………………………………. …………………………… 40
3-3-2- مقادير ويژه مختلط…………………………………………………………………………………. 42
3-3-3- مقادير ويژه ماتريس های مثلثی و قطری……………………………………………………. 43
3-3-4- مقادير ويژه ماتريس های هم خانواده با A ……………………………………………….. 44
3-3-5- رابطه بين مقادير ويژه ماتريس های AB و BA………………………………………… 45
3-3-6- تعيين چند جمله ای مشخصه يک ماتريس………………………………………………… 47
3-3-6-1- روش کريلف ………………………………………………………………………………… 47
3-3-6-2- روش لوريير………………………………………………………………………………………. 49
3-3-6-3- روش ضرايب نامعين………………………………………………………………………….. 50
3-3-7- روش های تبديلی در يافتن مقادير ويژه…………………………………………………….. 52
3-3-7-1- روش ژاکوبی…………………………………………………………………………………….. 52
3-3-7-2- روش گيونز……………………………………………………………………………………….. 54
3-3-7-3- روش هاوس هلدر……………………………………………………………………………… 55
3-3-8- روش های مبتنی بر تجزيه ماتريس برای يافتن مقادير ويژه………………………….. 57
3-3-8-1- روش LR برای يافتن مقادير ويژه……………………………………………………….. 57
3-3-8-2- روش QR برای يافتن مقادير ويژه……………………………………………………….. 60
کاربرد های تجزيه مقادير منفرد……………………………………………………………………. 62
3-4-1- کاربرد تجزيه مقادير منفرد در پردازش سيگنال…………………………………………… 63
الگوريتم هاي تشخيص نواحي سكوت و صدادار و بي صدا……………………………. 64
3-5-1- تشخيص قسمت هاي سكوت با استفاده از قدرمطلق اندازه………………………….. 65
3-5-2- روش نرخ عبور از صفر………………………………………………………………………….. 66
3-5-3- روش های حوزه ی فرکانس……………………………………………………………………. 67
3-5-4- روش کدينگ پيشگويی خطی(LPC)……………………………………………………….. 68
3-5-5- استفاده از تبديل بسته موجك باز در تشخيص فريم هاي سكوت…………………. 70
فصل چهارم- استفاده از تجزيه مقادير منفرد در روش تفريق طيفي
استفاده از تجزيه مقادير منفرد در روش تفريق طيفي (روش SVSS)……………….. 74
4-1-1- قسمت تخمين نويز………………………………………………………………………………… 75
4-1-2- فيلتر کردن مقادير منفرد…………………………………………………………………………… 76
4-1-2-1- تعيين آستانه در فريم سکوت……………………………………………………………….. 80
4-1-2-2- تعيين آستانه در فريم بي صدا و صدا دار……………………………………………….. 80
4-1-3- قسمت تفريق طيفي………………………………………………………………………………… 85
تفريق طيفي با استفاده از SVD و الگوريتم هاي VADو V/UV detector….. 85
تفريق طيفي چند بانده با استفاده از SVD و الگوريتم هايVADوV/UV detector (SVMBSS)…………………………………………………………………… 86
فصل پنجم- نتايج پياده سازي و ارزيابي
معيار هاي سنجش……………………………………………………………………………………… 89
5-1-1- نسبت سيگنال به نويز……………………………………………………………………………… 89
5-1-2- اسپكتروگرام (طيف نگاره)………………………………………………………………………. 89
5-1-2-1- طراحي اسپكتروگرام…………………………………………………………………………… 92
5-1-2-2- نحوه توزيع مقادير در اسپكتروگرام………………………………………………………. 95
5-1-3- تست شنوائي…………………………………………………………………………………………. 97
بررسي و مقايسه نتايج حاصله……………………………………………………………………… 97
5-2-1- تست شنوائي…………………………………………………………………………………………. 104
فصل ششم- جمع¬بندي و نتيجه¬گيري
جمع¬بندي و نتيجه¬گيري …………………………………………………………………………….. 108
فهرست جداول
جدول 1-1- تکنيک هاي مختلف غنی سازي گفتار…………………………………………………………… 10
جدول 4-1- مقادير بهينه درصد انرژی Σ ̅_2……………………………………………………………………….. 83
جدول 5-1- نتايج غني سازي سيگنال گفتار آلوده به نويز سفيد گوسي توسط روش هاي PSS، SVPSS، MBSS وSVMBSS ………………………………………..103
جدول 5-2- نمره کيفيت شنيدن نويز………………………………………………………………………………. 105
جدول 5-3- نتايج تست شنوائي غني سازي سيگنال گفتار آلوده به نويز سفيد گوسي توسط چهار روش PSS، SVPSS، MBSS ………………………………………107
فهرست اشکال
شکل 1-1- برش عرضی سيستم صوتی انسان…………………………………………………………………… 4
شکل 1-2- مدل زمان گسسته عمومی براي توليد سيگنال گفتار………………………………………….. 5
شکل 1-3- حرف بی صدا s…………………………………………………………………………………………… 6
شکل 1-4- حروف صدادار e…………………………………………………………………………………………. 6
شکل 1-5- تبديل فوريه حرف بی صداي s……………………………………………………………………… 6
شکل 1-6- تبديل فوريه حرف صدا دار e………………………………………………………………………… 7
شکل 1-7- بلوك دياگرام يک سيستم بهسازي مبتنی بر خاصيت تناوبی گفتار……………………….. 11
شکل 1-8- بلوك دياگرام يک سيستم غنی ساز مبتنی بر دامنه طيفی زمان – کوتاه………………….. 13
شکل 1-9- بلوك دياگرام الگوريتم حذف نويز در حوزه موجک…………………………………………. 15
شکل 1-10- دياگرام کلی سيستم حذف کننده وفقی نويز…………………………………………………… 17
شکل 2-1- بلوك دياگرام تفريق طيفی توان (PSS)…………………………………………………………… 23
شکل 2-2- بلوك دياگرام تفريق طيفی تعميم يافته (GSS)…………………………………………………. 23
شکل 2-3- نمودار تعيين از روي SNR (با فرض )………………………………………… 26
شکل 2-4- SNR هاي مقطعي براي 4 باند فركانسي گفتار نويزي……………………………………….. 32
شکل 3-1- نمودار اندازه يك سيگنال صوتي بر حسب زمان………………………………………………. 66
شکل 3-2- بلوك دياگرام آناليز كپسترال…………………………………………………………………………… 68
شکل 3-3- ميزان خطاي خروجي فيلتر معكوسLPC به ازاي حروف صدا دار و بي صدا…….. 69
شکل 3-4- مرز تصميم برای جداسازی قسمت های صدادار سيگنال…………………………………… 72
شکل 4-1- بلوك دياگرام کلی روش ارائه شده SVD-Spectral Subtraction (SVSS)……. 75
شکل 4-2- فريم بی صدا در حوزه زمان…………………………………………………………………………… 77
شکل 4-3- فريم صدا دار در حوزه زمان………………………………………………………………………….. 78
شکل 4-4- خود همبستگی در فريم سکوت آغشته به نويز……………………………………………….. 78
شکل 4-5- خود همبستگی در فريم بی صدا…………………………………………………………………….. 79
شکل 4-6- خود همبستگی در فريم صدا دار……………………………………………………………………. 79
شکل 4-7- مقايسه مقادير منفرد فريم های بی صدا و صدا دار …………………………………………… 79
شکل 4-8- مقادير منفرد فريم سكوت نويزي……………………………………………………………………. 81
شکل 4-9- مقادير منفرد فريم صدا دار (الف) تميز (ب) نويزي با SNR=10 db…………….. 82
شکل 4-10- مقادير منفرد فريم بي صدا (الف) تميز (ب) نويزي با SNR=10 db…………….. 82
شکل 4-11- بلوك دياگرام روش بدست آوردن مقادير بهينه آستانه……………………………………… 83
شکل 5-1- هيستوگرام مقادير فرکانسي……………………………………………………………………………. 96
شکل 5-2- نتايج غني سازي سيگنال گفتار آغشته به نويز سفيد گوسي بصورت حالت گذرا…… 99
شکل 5-3- نتايج غني سازي سيگنال گفتار آغشته به نويز سفيد گوسي بصورت طيف نگاره…… 100
شکل 5-4- نتايج غني سازي سيگنال گفتار آغشته به نويز سفيد گوسي بصورت حالت گذرا…… 101
شکل 5-5- نتايج غني سازي سيگنال گفتار آغشته به نويز سفيد گوسي بصورت طيف نگاره…… 102
شکل 5-6- متوسط غني سازي ده سيگنال گفتار مختلف آلوده به نويز سفيد گوسي توسط چهار روش PSS، SVPSS، MBSS وSVMBSS……………………………..104
شکل 5-7- نتايج تست شنوائي غني سازي سيگنال گفتار آلوده به نويز سفيد گوسي توسط چهار روش PSS، SVPSS، MBSS وSVMBSS……………………………106
مقدمه:
با رشد روز افزون استفاده از سيستم هاي گفتاري در كاربردهاي عملي روزمره، نياز به حفظ كيفيت گفتار به عنوان امري اجتناب ناپذير مطرح شده است. شرايط ايده آل و عاري از نويز كه در كارها و شبيه سازي هاي آزمايشگاهي در نظر گرفته مي شود، در بسياري از كاربردهاي واقعي به طور جدي نقض گرديده و برقراري آنها زير سئوال رفته است.
به عنوان مثال استفاده از تلفن همراه، سمعك، سيستم بازشناسي گفتار و يا هر وسيله ارتباط گفتاري در يك محيط نويزي ، همگي از مواردي است كه در آن حفظ كيفيت گفتار و بالا نگه داشتن کارايي سيستم، از اهميت خاصي برخوردار است. بدون استفاده از روش هاي بهسازي گفتار ، عملکرد اين سيستم ها به شدت تنزل يافته و چه بسا كه غير قابل قبول مي شود. از اين رو، مبحث بهسازي گفتار به عنوان يكي از ضرورت هاي كاربردي و عملي، از زمينه هاي فعال تحقيقاتي در سال هاي اخير بوده است.
فرضیات پایاننامه:
كليه روش هاي شرح داده شده در پايان‌نامه و نيز كليه روابط حاكم بر آنها، برمبناي سه فرض اساسي ذيل استوار مي‌باشند.
نويز به سيگنال اضافه مي شود.
فقط يک کانال در دسترس است.
سيگنال گفتار و نويز ناهمبسته هستند.
به اين ترتيب آغشتگي سيگنال گفتار به نويز را مي توان به شکل زير مدل کرد:
كه s(n) بيانگر سيگنال اصلي و تميز صوت ، d(n) نويز آلوده كننده و G ضريب كنترل كننده انرژي نويز (و لذا کنترل کننده SNR ) است. در اين پايان‌نامه، اين ضريب با ادغام شده و يك سيگنال نويزي بصورت ذيل نمايش داده شده است:
فصل اول
مروری بر روش های عمده بهسازی گفتار
در این فصل ابتدا به بررسی خلاصه ای از چگونگی تولید گفتار در انسان پرداخته و سپس به بررسي اجمالي روش هاي عمده بهسازي گفتار و مسائل و مباحث موجود در این روش ها مي پردازيم. در بررسي اين روش ها سعي شده است تا ضمن بيان اصول و مباني هر روش، نقاط ضعف و قوت آنها را ذکر کنيم.
1-1- مبانی تولید سیگنال گفتار
سیگنال گفتار جهت برقراری ارتباط بین گوینده و شنونده مورد استفاده قرار می گیرد. گوینده ازطریق یکسری فرآیندهای عصبی و حرکات ماهیچه ای موج سیگنال گفتار را تولید می کند و شنونده از طریق سیستم شنیداری آن را دریافت کرده و سپس از پردازش آن را به سیگنال های عصبی بر می گرداند شکل (1-1) برش عرضی از سیستم تولید سیگنال گفتار را نشان می دهد. همانطورکه در شکل دیده می شود اجزای اصلی سیستم شامل شش ها، نای ( لوله هوا)، حنجره (که رکن اصلی در تولید صوت است.)، حفره حلقی (گلو)، حفره دهانی (دهان) و حفره دماغی (بینی) می باشد.
شکل1-1- برش عرضی سیستم صوتی انسان
درمباحث تکنیکی حفره های حلقی و دهانی را با هم در نظر گرفته و به آن حفره صوتی می گویند. بنابراین حفره صوتی از انتهای حنجره شروع و تا لب ها ادامه دارد.
برای تحلیل مهندسی سیستم تولید سیگنال گفتار، باید تولید سیگنال گفتاررابه شکل یک فیلتر مدل کرد. باتوجه به شکل(1-1) یک مدل خطی زمان گسسته در شکل (1-2) نشان داده شده است. در این مدل فرایند تولید سیگنال گفتار بر مبنای خصوصیات سیگنال خروجی نمایش داده شده است.
گفتار به دو دسته کلی حروف صدادار و حروف بی صدا تقسیم می گردد. همانطور که در شکل (1-2) دیده می شود منبع تحریک درتولید گفتار بی صدا ، نویز با طیف صاف می باشد که با یک تولید کننده نویز به شکل تصادفی مدل می شود. همچنین هنگام تولید گفتار صدادار، تحریک از تخمین پریود گام محلی استفاده می کند تا تولید کننده قطار ضربه را تنظیم کند تا فیلتر شکل دهنده پالس حنجره
شکل1-2- مدل زمان گسسته عمومی برای تولید سیگنال گفتار را تغذیه کند. تابع تبدیل نیز به شکل زیر مدل می شود.
(1-1) که بیانگر ترم گین سراسری است و مکان قطب موهومی برای مدل لوله است. همانطور که ذکر شد، حروف صدادار شامل یک گرفتگی کوچک در حفره صوتی می باشد در حالیکه حروف بی صدا از یک گرفتگی قابل ملاحظه در حفره صوتی ایجاد می شود. لذا از لحاظ دامنه کوچکتر از حروف صدادار است و ماهیت نویزی دارد. برخی از تفاوت های حروف بی صدا و صدادار در شکل های (1-3) و (1-4) دیده می شود. حالت پریودیک حروف صدادار در شکل (1-4) به وضوح دیده می شود. برای مطالعه فرکانس های موجود در گفتار از تبدیل فوریه استفاده می شود.
در شکل (1-5) تبدیل فوریه حرف بی صدای /s/ و در شکل (1-6) تبدیل فوریه حرف صدادار /e/ از کلمه seven نشان داده شده است. توجه کنید که در هر دوی این اصوات مخصوصا در حرف صدادار /e/ بعضی نواحی فرکانسی تقویت شده که به آنها نقاط تشدید می گوییم و در نواحی دیگر فرکانس ها تضعیف شده اند که به آنها غیر تشدید می گوییم. نواحی تشدید (فرکانس های تشدید) بستگی به شکل حفره صوتی دارند. در پردازش صوت به این فرکانس ها اصطلاحا فورمنت می گویند .
شکل1-3- حرف بی صداs
شکل1-4- حروف صدادار e
شكل 1-5- تبديل فوريه حرف بي صداي s
شکل 1-6- تبديل فوريه حرف صدا دار e
همانطور که ذکر شد گفتار به دو دسته کلی صدا دار و بی صدا تقسیم بندی می شود. با این حال علاوه بر این دو دسته، گفتار توليدي، بر حسب تحريك اعمال شده، به چند طبقه جز ئی تر قابل تقسيم بندي است. صوت ممكن است همزمان صدادار و بي صدا باشد. به اين گونه اصوات، مرکب مي گويند. به عنوان مثال صداي حرف z در جمله three zebras از اين نوع است. همچنين در بعضي حروف مثل t ابتدا يك گرفتگي كامل ايجاد مي شود و در ادامه هواي جمع شده به يكباره از حفره دهاني خارج مي شود. به اينگونه اصوات اصطلاحا انفجاري مي گويند.
1-2- مفاهيم بهسازي گفتار:
در قالب يك تعريف كلي، موضوع بهسازي گفتار عبارت است از تلاش براي بهبود عملكرد سيستم‌هاي ارتباط گفتاري در مواردي كه سيگنال گفتار تحت تأثير نويز، انعكاس، و ساير عوامل تخريبي واقع گرديده است. نياز به بهسازي گفتار از آنجا ناشي مي‌شود كه سيگنال گفتار :
- يا از منبعي توليد مي‌شود كه در محيط نويزي قرار دارد.
- يا تحت تأثير كانال انتشار و در اثر نويز يا انعكاس دچار تخريب مي‌شود.
- يا در گيرنده به نويز آلوده مي‌شود.
- يا منشا عوامل نويز آلوده مي‌شود.
- يا منشا نويز تركيبي از سه حالت فوق است.
1-3- كاربرد هاي عمده بهسازي گفتار
بهسازي گفتار کاربردهاي فراواني دارد که عمده کاربردهاي آن در موارد زير مي باشد:
سيستم هاي تلفن:
که در آنها گفتار اصلي به وسيله نويز زمينه يا نويز موجود در مسير مخابره و نيز در اثر انعکاس صداي طرفين مکالمه خراب مي شود.
تلفن هاي عمومي:
که در محيط¬هاي پر سر و صدا و شلوغ واقعند.
سيستم هاي مخابرات هوا به زمين: که در آنها نويز اتاق خلبان، پيام ارسال شده از سوي خلبان را خراب مي کند.
سمعک:
که به عنوان يک تقويت کننده، هم سيگنال گفتار و هم نويز موجود در محيط را تقويت نموده و موجب ناراحتي کاربر مي شود.
سيستم هاي بازشناسي گفتار يا گوينده : که معمولا براي سيگنال هاي تميز (بدون نويز) آموزش يافته و در شرايط نويزي، با افتي شديد در بازدهي و کارايي مواجه مي شود.
حذف نويز در گفتارهاي نويزي ضبط شده: که در آنها صداي ضبط شده اشخاص آغشته به نويز است و جهت بهبود کيفيت آنها، بايد نويز را حذف کرد.
و موارد ديگر کاربرد …
هر يك از اين كابردها، ممكن است هدف خاص خود را دنبال كنند. مثلا در برخي موارد، هدف، افزايش قابليت درك گفتار مي‌باشد، در حالي كه در كاربردهاي ديگر، كاهش خستگي شنونده هدف اصلي فرآيند بهسازی گفتار مي‌باشد. بدین ترتيب، در كاربردهاي مختلف، روش ارزيابي كيفيت گفتار بهسازي شده را براي آن كاربرد تعريف می کنند.
1-4- طبقه بندي روش های هاي بهسازی گفتار
از آنجا که بسياري از منابع و مراجع در بحث بهسازي گفتار، نويز را به عنوان اصلي ترين عامل تخريب سيگنال گفتار در نظر گرفته اند، در اين پايان نامه، توجه ما نيز از ميان عوامل مختلف تخريب سيگنال گفتار، روي نويز متمرکز مي باشد. مسايل بهسازي گفتار، خانواده گسترده اي از مباحث را شامل مي شود، بعضي از روش هاي بهسازي گفتار بر مبناي مدل آماري مي باشند، در حالي که بعضي ديگر به جنبه هاي ادراکي گفتار توجه دارند. همچنين تکنيک هاي بهسازي گفتار را مي توان بر حسب اينکه تک¬کاناله يا دوکاناله (يا چند کاناله ) هستند، تقسيم بندي کرد.
در کاربردهاي تک¬کاناله، تنها يک ميکروفن در دسترس است و لذا مشخص کردن خصوصيات نويز بايد در فواصل زماني سکوت بين گفتارها آموزش انجام شود. در الگوريتم هاي دو کاناله، امواج صدا در هر سنسور با اختلاف زماني کمي مي رسند و به شکل طبيعي، يکي تاخير يافته ديگري است. تکنيک هاي بهسازي دو يا چندکاناله بر مبناي دو سناريو هستند: اول اينکه کانال اصلي شامل گفتار آغشته به نويز و کانال دوم شامل نويز داراي همبستگي با نويز کانال اصلي است. عموما يک حامل صوتي بين سنسورها وجود دارد تا اطمينان حاصل شود که هيچ گفتاري به کانال مرجع نويز نشت نکرده است. در سناريوي دوم نيز هيچ حامل صوتي وجود ندارد.
در نتيجه عوامل مؤثر بر سيستم بهسازي گفتار عبارتند از:
- نوع نويز
- چگونگي برهم¬کنش نويز با سيگنال اصلي
- تعداد کانال يا ميکروفن در دسترس
نويز ممکن است ناشي از همهمه، باد، ترافيک، کارخانه، اتومبيل و … بوده و در واقع از لحاظ طيفي، داراي شکل هاي مختلفي باشد و لذا اثرات مختلفي را روي سيگنال گفتار بر جاي بگذارد. به عنوان مثال، نويزهاي با محتواي فرکانسي 500 هرتز تا 5 کيلوهرتز به شدت قابليت درک گفتار را کاهش مي دهند، در حالي که نويزهاي حاوي انرژي در فرکانس هاي بالاي 5 کيلوهرتز، اگرچه باعث خستگي شنونده مي شوند، ولي در قابليت درگ گفتار اثر ناچيزي دارند.
چگونگي برهم کنش نويز با سيگنال اصلي نيز مساله مهمي است که بر سيستم بهسازي تاثير مي گذارد. نويز ممکن است با سيگنال گفتار جمع، ضرب يا کانوالو شود. همچنين امکان مستقل يا وابسته بودن نويز به سيگنال اصلي نيز وجود دارد. مساله ماهيت ناايستان نويز در بسياري از منابع نويز، مساله اي است که سيستم بهسازي گفتار را ملزم به نوعي تطبيق زماني مي نمايد.
پارامتر مهم ديگر، تعداد کانال ها يا ميکروفن هايي است که سيستم بهسازي گفتار از آنها استفاده مي کند. به عنوان مثال، وجود يک ميکروفن دوم براي داشتن نويز مرجع در کنار ميکروفن اول که سيگنال گفتار نويزي را دريافت مي کند، موجب مي گردد تا سيستم از خواص آماري و طيفي نويز مطلع گشته و در ضمن بتواند ناايستاني نويز را به خوبي دنبال کند. براساس پارامترهاي به كار رفته، سيستم هاي غني سازي گفتار به چندين اسلوب و شيوه قابل تقسيم بندي اند (جدول 1-1).
جدول (1-1):
تکنيک هاي مختلف غني سازي گفتار
حوزه روش های ممکن
تعداد کانال يك/ دو/ چند
حوزه پردازش حوزه زمان/ حوزه فرکانس
نوع الگوريتم وفقي/ غير وفقي
در اين فصل به اين دليل كه بيشتر انواع سيستم هاي غني سازي موجود در اكثر كاربردها از نوع تك كاناله مي باشد، بحث و بررسي خود را به سيستم هاي تك كاناله معطوف مي كنيم.
1-4-1- کاهش نويز با استفاده از خاصيت تناوبي گفتار
اين روش ها از طبيعت شبه متناوب سيگنال گفتار بهره مي گيرند. سيگنال هاي صدادار گفتار در طبيعت با فرکانس پايه مشخص مي شوند که از شخصي به شخص ديگر متغيرند. با اين حال، چنين تکنيک هايي به شدت، به تخمين درست تناوب گام سيگنال (عکس فرکانس گام) صداي گوينده وابسته اند.
يکي از روش هاي ساده بر اين مبنا روش فيلترهاي شانه¬اي وفقي ]4[ است. در اين روش از يک سري از فيلترها براي فيلتر کردن محتويات فرکانسي بين فرکانس اصلي و هارمونيک هاي آن استفاده مي شود.
روش ديگر در اين زمينه، تکنيک حذف نويز وفقي تک کاناله ]5[ مي باشد. در اين روش، نسخه تاخير يافته سيگنال به عنوان ورودي به فيلتر LMS در نظر گرفته مي شود و در عين حال خود سيگنال به عنوان سيگنال مرجع استفاده مي شود. در اين روش، تاخير، نويز را در سيگنال ورودي با آنچه که در سيگنال مرجع حضور دارد ناهمبسته مي کند و وقتي که تاخير برابر با تخميني از پريود گام سيگنال باشد، آنگاه در محتويات گفتار دو سيگنال همبستگي وجود دارد. شکل (1-7) بلوک دياگرام يک سيستم مبتني بر اين تکنيک را نشان مي دهد.
شکل1-7- بلوک دياگرام يک سيستم بهسازي مبتني بر خاصيت تناوبي گفتار
که در آن ، و به ترتيب سيگنال گفتار تميز ، نويز و سيگنال نويزي مي باشند. يکي از عيوب اساسي اين روش ها اين است که بهبود چشمگيري در کيفيت نواحي گفتار بي صدا ديده نمي شود. همچنين استفاده از يک الگوريتم دقيق تخمين و استخراج گام جهت حصول کارايي مناسب در اين الگوريتم ها الزامي است.
1-4-2- غني سازي گفتار بر اساس مدل
اين دسته از سيستم هاي غني سازي گفتار گاهي با نام روش غني سازي بر مبناي مدل آماري معرفي شده اند [6]. در مواقعي كه دانش و معلوماتي نسبت به مشخصات آماري سيگنال گفتار يا نويز نداريم و به جاي آن از مدل هايي مانند مدل صفر- قطب، مدل تمام قطب و يا مدل تمام صفر استفاده كنيم، به كارگيري چنين روش هايي موسوم است. درعوض، مدل هاي توليد گفتار مانند ARMA، AR ، و يا MA استفاده مي شوند.
بر اين اساس، پارامترهاي مدل سيگنال گفتار تخمين زده شده و سپس توسط بازسازي بوسيله پارامترهاي مدل گفتار يا با استفاده از يک فيلتر کالمن يا وينر، سيگنال بهسازي شده تخمين زده مي شود.
فيلتر وينر، تکنيک وفقي مشهوري است که در بسياري از روش هاي بهسازي گفتار به کار گرفته شده است. مبناي اصلي فيلتر وينر تخمين يک فيلتر بهينه از گفتار نويزي ورودي است که با مينيمم کردن MSE بين سيگنال مطلوب و سيگنال تخميني حاصل مي شود. اين فيلتر در حوزه فرکانس از رابطه زير حاصل مي شود:
(1-2) که در آن چگالي طيف قدرت (PSD ) سيگنال گفتار و نيز PSD مربوط به طيف نويز است که در بازه هايي از زمان که گفتار فعال نيست محاسبه مي گردد. از معادله (1-2) پيداست که از پيش دانستن طيف قدرت گفتار و نويز الزامي است. طيف قدرت گفتار با استفاده از تخمين پارامترهاي مدل گفتار تخمين زده مي شود ]7[. آنچه از معادله (1-2) بر مي آيد اينست كه بايد از معلومات اوليه خوبي نسبت به طيف قدرت نويز و سيگنال برخوردار بود .
1-4-3- تكنيك هاي مبتني بر دامنه طيفي زمان– كوتاه
به كار گيري تكنيك دامنه طيفي زمان – كوتاه (STSA) روي سيگنال گفتار باعث موفقيت در بسياري از روش هاي غني سازي بوده است. ايده اصلي در اين تكنيك بصورت زير مي باشد.
- به كار بردن سيگنال گفتار نويزي در ورودي اين آناليز
- بدست آوردن يك برآورد مناسب از سيگنال گفتار بواسطه حذف نويز
در شكل (8-1) بلوك دياگرام اين تكنيك نشان داده شده است است . همان طور كه در شكل مشخص است اين تكنيك شامل قسمت هايي مانند قسمت آناليز ، قسمت پردازش و قسمت تركيب است .
شکل1-8- بلوك دياگرام يک سيستم غني ساز مبتني بر دامنه طيفي زمان – کوتاه
نكته ايي را كه بايد در نظر داشت اين است كه روش هاي زيادي را مي توان در اين قسمت ها به كار گرفت اما عمومي ترين آنها گرفتن تبديل فوريه از سيگنال در فريم هاي كوتاه مي باشد]1[ .
همان طور كه قبلاً بيان كرديم در اين روش ها از سيگنال گفتار نويزي بعنوان ورودي سيستم استفاده مي شود. بواسطة پردازش هايي كه روي سيگنال ورودي اعمال مي شود دامنه طيف آن، بدست مي آيد و بعد دامنه طيف بدست آمده را توسط يك ضريب تصحيح، اصلاح مي كنند. معمولاً دامنه طيف نويز تخميني بعنوان ضريب تصحيح به كار مي رود .
پس به طور خلاصه مي توان گفت كه عمل تصحيح عبارست از:
تفريق دامنه طيفي سيگنال نويز از دامنه طيفي سيگنال گفتار آغشته به نويز.
به همين دليل به اين روش ها، روش هاي تفريقي نيز مي گويند. اگر فرض كنيم كه نويز و گفتار با همديگر ناهمبسته باشند، دامنه طيفي حاصل از عمل تصحيح تا حد قابل ملاحظه ايي به مانند دامنه طيف گفتار تمييز خواهد بود. با اين فرض كه گوش انسان قادر به درك اغتشاشات موجود در فاز سيگنال گفتار نويزي نيست، مي توان از همين فاز براي تركيب شدن با دامنه طيف سيگنال گفتار غني شده استفاده نمود.
تفريق طيفي يكي از معروف ترين روش هاي حذف نويز بر مبناي دامنه طيفي زمان – كوتاه است كه اولين بار توسط Boll معرفي و ارائه شد ]8[ و بعدها به خاطر مفاهيم ساده اش و كارائي بالاي آن در غني سازي گفتار نويزي، عموميت يافت و نيز جالب است بدانيم كه از زمان ارائه اين روش تا به امروز تغييرات متعددي در اين تكنيك به كار رفته تا عملكرد آن را مطلوب تر نمايد. در فصل دوم روش تفريق طيفي به تفصيل مورد بررسي قرار مي گيرد. همچنين بهبودهايي در به کارگيري اين روش براي کاهش نويز سفيد گوسي در اين پايان نامه پيشنهاد و ارزيابي خواهد شد.
1-4-4- روش هاي مبتني بر آستانه گذاري روي ضرايب موجک
آناليز موجک يك تكنيك پنجره گذاري با مناطق متغير از نظر اندازه مي باشد و به ما امكان مي دهد که درجاهايي كه اطلاعات دقيق تري از فركانس هاي پايين مي¬خواهـيم از بازه هاي زمـاني طولاني¬تر استفـاده كنيـم و در جايي كه اطـلاعات فركانس هاي بـالا را مي خواهيم از مناطق و پنجره¬هاي كوچكتر استفاده كنيم.
حذف اجزاي تشکيل دهنده نويز با آستانه گذاري روي ضرايب موجک مبتني بر اين مشاهده است که در بسياري از سيگنال ها همانند گفتار، انرژي غالبا در تعداد کمي از ابعاد موجک تجمع يافته است.
ضرايب اين ابعاد نيز در مقايسه با ضرايب ابعاد ديگر موجک يا ضرايب سيگنال هاي نويز (که انرژي آنها در تعداد زيادي از ضرايب گسترده شده اند) نسبتا بزرگ هستند، لذا با آستانه گذاري روي ضرايب موجک جهت تبديل ضرايب کوچک به صفر، مي توان اجزاي نويز را از اجزاي سيگنال جدا کرد. شکل (1-9)، بلوک دياگرام الگوريتم حذف نويز در حوزه موجک را نمايش مي دهد.
شکل 1-9- بلوک دياگرام الگوريتم حذف نويز در حوزه موجک
همانطور که ديده مي شود، در اين روش تعيين مقدار آستانه و تابع آستانه¬گذاري نقش مهمي در ميزان بهسازي و حذف نويز دارند. در ابتدا Donoho با استفاده از يکسري روابط رياضي و با اين فرض که نويز اضافه شونده و از جنس نويز سفيد گوسي است، توانست مقداري براي آستانه ارايه کند ]9[ و توابعي نيز به عنوان توابع آستانه¬گذاري معرفي کرد که به توابع نرم و سخت مشهورند. پس از آن کارهاي زيادي براي بهبود در تعيين مقدار آستانه و معرفي توابع جديد آستانه گذاري با هدف بهبود در کارايي سيستم حذف نويز معرفي شد.
1-4-5- حذف وفقي نويز (ANC)
تکنيک هاي ANC در تعدادي از مسايل مربوط به سيگنال گفتار به خوبي عمل کرده¬اند. کار اوليه روي ANC از سال 1960 شروع شد. حذف نويز به شکل وفقي در واقع مربوط به الگوريتم هاي بهسازي وفقي است که بر مبناي دسترسي به يک منبع ورودي اصلي و يک منبع فرعي مرجع مي باشد. در اين سيستم فرض مي شود که ورودي اصلي شامل مجموع گفتار و نويز است:
(1-3) که مطابق معمول، اين دنباله ها نمودي از فرايندهاي تصادفي ، و (سيگنال هاي نويزي، تميز، و نويز موجود در کانال اول) هستند. کانال دوم يا کانال مرجع نيز يک ورودي دريافت مي کند که نمودي از فرايند تصادفي است که ممکن است با همبسته باشد اما با همبستگي ندارد.
حذف کننده وفقي نويز شامل يک فيلتر وفقي است که روي سيگنال مرجع کار مي کند تا تخميني از نويز ايجاد کند که نويز تخميني سپس از ورودي اصلي کاسته خواهد شد. خروجي کلي حذف کننده جهت کنترل سازگاري هاي لازم روي ضرايب فيلتر وفقي استفاده مي شود. شکل (1-10) دياگرام کلي سيستم حذف کننده وفقي نويز را نمايش مي دهد.
شکل 1-10- دياگرام کلي سيستم حذف کننده وفقي نويز
عامل اصلي که براي سازگار کردن اين ضرايب به کار مي رود، مينيمم کردن مربع متوسط انرژي خروجي کلي است. محدوده تحقيقات در حوزه فيلترهاي وفقي بسيار گسترده است و در اين زمينه چندين کتاب ]10[ و مقالات بسياري ]11[ ]40[ منتشر شده است.
