An immunological approach based on the negative selection algorithm for real noise classification in speech signals

این مقاله یک رویکرد جدید برای تشخیص و طبقه بندی سر و صدای پس زمینه در جملات سخنرانی بر اساس الگوریتم انتخاب منفی و تبدیل موجک ترکیبی درخت ارائه می دهد. انرژی ضرایب موجک پیچیده در پنج مقیاس موجک به عنوان ویژگی های ورودی مورد استفاده قرار می گیرد. پس از آن، الگوریتم پیشنهاد شده مشخص می کند که آیا حکم سخنرانی، یا نه، توسط سر و صدا خراب شده است. در مورد مثبت، سیستم نوع نوع سر و صدای پس زمینه را در میان انواع سر و صدا واقعی در نظر می گیرد. مقایسه با روش های یادگیری کلاسیک تحت نظارت انجام می شود. نتایج شبیه سازی نشان می دهد که سیستم ایمنی مصنوعی پیشنهاد می کند که طبقه بندی های کلاسیک را در دقت و ظرفیت تعمیم به پایان برساند. برنامه های کاربردی آینده این ابزار کمک خواهد کرد که در توسعه تقویت گفتار جدید یا سیستم های تشخیص گفتار خودکار بر اساس طبقه بندی نویز کمک کند.