نموذج التعرف على الأنماط لتصنيف الكلام الصوتي وغير الصوتي والصمت مع تطبيقات في التعرف على الكلام

في تحليل الكلام، يتم عادةً اتخاذ قرار الصوتي وغير الصوتي بالتزامن مع تحليل الطبقة الصوتية. ربط قرار الصوتي وغير الصوتي (V-UV) بتحليل الطبقة الصوتية لا يؤدي فقط إلى تعقيد غير ضروري، بل يجعل من الصعب تصنيف مقاطع الكلام القصيرة التي تقل مدتها عن بضع دورات صوتية. في هذه الورقة، نصف نهج التعرف على الأنماط لتقرير ما إذا كان يجب تصنيف مقطع معين من إشارة الكلام باعتباره كلامًا صوتيًا أو غير صوتي أو صمت، استنادًا إلى القياسات التي تم إجراؤها على الإشارة. في هذه الطريقة، يتم إجراء خمس قياسات مختلفة على مقطع الكلام المراد تصنيفه. المعلمات المقاسة هي معدل عبور الصفر، طاقة الكلام، العلاقة بين عينات الكلام المتجاورة، معامل المتنبئ الأول من تحليل الترميز التنبئي الخطي بـ 12 قطبًا (LPC)، والطاقة في خطأ التنبؤ. يتم تعيين مقطع الكلام إلى فئة معينة استنادًا إلى قاعدة الحد الأدنى للمسافة تم الحصول عليها تحت الفرضية بأن المعلمات المقاسة موزعة وفقًا لدالة الكثافة الاحتمالية الغاوسية متعددة الأبعاد. يتم تحديد المتوسطات والتغايرات لتوزيع الغاوسي من بيانات الكلام المصنفة يدويًا والمضمنة في مجموعة التدريب. وقد وجد أن هذه الطريقة توفر تصنيفًا موثوقًا به مع مقاطع كلام قصيرة تصل إلى 10 مللي ثانية وقد تم استخدامها في تطبيقات تحليل الكلام وتصنيعه والتعرف عليه. توصف خوارزمية تنعيم غير خطية بسيطة لتوفير حدود سلسة من ثلاثة مستويات لقول معين لاستخدامها في تطبيقات التعرف على الكلام. تُدرج النتائج الكمية والعديد من الأمثلة التي توضح أداء الطريقة في الورقة.