|
Nutq signallarini avtomatik tanish algoritmlari ketma-ketligi
|
| bet | 3/7 | | Sana | 18.05.2024 | | Hajmi | 1,33 Mb. | | #242938 |
Bog'liq Nutqli signallarni tahlil qilish algortimlari;3. Nutq signallarini avtomatik tanish algoritmlari ketma-ketligi
Nutqni neyron tarmoqlar yordamida tanishning umumiy sxemasini 17.1-rasmdagidek tasvirlash mumkin.
17.1-rasm. Nutqni tanishning umumiy sxemasi.
Nutq signallarini tanishning zamonaviy usullari, modellari va algoritmlar tahlili natijasida nutqni tanib olishni quyidagi sxemasini xam berish mumkin (17.2-rasm).
17.2-rasm. Nutqni tanib olish bosqichlari.
1-bosqich. Fonogramma bosqichida nutq signalini yozib olish, nutq signali chegaralarini ajratish, filtrlash, segmentlarga ajratish, oynada signallarga ishlov berish proseduralari bajariladi. Ushbu proseduralarda signallarga raqamli ishlov berishning mavjud standart algoritmlari qo’llaniladi.
2-bosqich. Fonogramma bosqichidan so’ng barqaror, yaxshi ifodalangan va yuqori informativli nutqni xarakterlovi belgilar kartasi sifatida spektrogramma tasvirlari tanlab olindi. Spektrogramma tasvirlarini hosil qilishda odatda FFT (Fast Fourier Transform) spektral almashtirish usuli qo’llaniladi. Ushbu ishda DCT (Discrete Cosine Transform) spektral almashtirish algoritmi qo’llanildi. DCT ning kuchli “energiyani siqish” xususiyati hisobiga undan hosil buladigan spektrogramma tasvirlari sifatli va xalaqitlargi bardoshlidir. Hosil qilingan spektrogramma tasvirlari akustik modellashtirish uchun akustik m’lumotlar sifatida keladi
3-bosqich. Hosil qilingan spektrogramma kiruvchi akustik ma’lumotlar sifatida keladi. Akustik modellashtirishda yashirin markov zanjirlari, dinamik dasturlash algoritmi, svyortkali neyron tarmoq (Convolutional neural network-CNN) va rekurrent tarmoqlar (Recurrent Neural Network-RNN) qo’llaniladi.
4-bosqich. Tanib olish bosqichida akustik modellashtirish natijasida har bir vaqt qadamida yuqori ehtimollik bo’yicha bashorat qilingan fonemlar ketma ketligi hosil qilinadi.
Zamonaviy modellar va usullarni tahlil qilish natijasida CNN va RNN tarmoqlarini yagona strukturada ishlatish istiqbolli yondashuv degan xulosaga kelindi. Tanlab olingan akustik model belgilar sohasini qisqartirish maqsadida uning spektrogrammadan tasvirga o’tkazish yo’li bilan tanib olish sifatini yaxshilashi mumkin.
Yuqorida ko’rsatilgan yondashuvlarni amalga oshirishda tezkor grafik prosessorlarni qo’llash ishlov berish samaradarligni oshiradi.
|
| |
