Spectrum enhancement with sparse coding for robust speech recognition

به تازگی، یک روند تشخیص گفتار، معرفی کردن کدگذاری ضعیف برای قدرت صدا است. اگرچه چندین روش پیشنهادی ارائه شده است، عملکرد کدگذاری ضعیف در لغو گفتار، بسیار خوش بینانه نیست. یکی از مفروضات با برنامه نویسی ناقص این است که نمایش سخنرانی بیش از فرهنگ لغت سخنرانی ناقص است، در حالی که نویز، متراکم است. این فرض، واضح است که در سناریوی انعکاس سخنرانی مطرح نیست. بسیاری از سر و صدا نیز بیش از فرهنگ لغت سخنرانی است. در چنین شرایطی، نمایندگی از سخنان پر سر و صدای هنوز شامل اجزای سر و صدا است که منجر به عملکرد ضعیف شده است. برای حل این مشکل، ابتدا فرضیهی کدگذاری ضعیف را تحلیل میکنیم و سپس یک روش جدید برای افزایش طیف گفتار پیشنهاد میکنیم. این روش ابتدا اتم هایی را نشان می دهد که سر و صدای کمی دارند، و سپس به طور انتخابی آنها را در بازسازی گفتار به منظور کاهش سر و صدای باقی مانده نادیده می گیرد. سپس ویژگی های گفتاری از طیف افزایش یافته برای تشخیص گفتاری استخراج می شود. نتایج تجربی نشان می دهد که روش پیشنهادی می تواند پایداری نویز یک سیستم تشخیص گفتار را به طور قابل توجهی بهبود بخشد.