ترجمه مقاله ادغام منبع و اطلاعات مبتنی بر فیلتر جهت تشخیص فعالیت صوتی - نشریه IEEE

قیمت خرید این محصول

۴۱,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

تشخیص فعالیت صوتی: ادغام منبع و اطلاعات مبتنی بر فیلتر

عنوان انگلیسی

Voice Activity Detection: Merging Source and Filter-based Information

صفحات مقاله فارسی

14

صفحات مقاله انگلیسی

5

سال انتشار

2016

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

4938

رشته های مرتبط با این مقاله

مهندسی پزشکی و مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

بیوالکتریک، مهندسی الگوریتم و محاسبات، هوش مصنوعی و مهندسی نرم افزار

مجله

سوابق پردازش سیگنال

دانشگاه

آزمایشگاه تحقیقاتی توشیبا، کمبریج، انگلستان

کلمات کلیدی

تحریک، ترکیب اطلاعات، دوره تناوب، تشخیص فعالیت صوتی

فهرست مطالب

چکیده
I. مقدمه
II. روش پیشنهادی
A. ویژگی های مبتنی بر فیلتر
B. ویژگی های مرتبط با منبع
C . طبقه بندی مبتنی بر ANNو فیوژن (ترکیب) اطلاعات
III. پروتکل تجربی
A. پایگاه داده گفتار
B. متریک ارزیابی
C. مقایسه با تکنیک های جدید
IV. نتایج
A. ارزیابی مبتنی بر اطلاعات متقابل
B. رده بندی نتایج
V. نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

Voice Activity Detection (VAD) refers to the problem of distinguishing speech segments from background noise. Numerous approaches have been proposed for this purpose. Some are based on features derived from the power spectral density, others exploit the periodicity of the signal. The goal of this letter is to investigate the joint use of source and filter-based features. Interestingly, a mutual information-based assessment shows superior discrimination power for the source-related features, especially the proposed ones. The features are further the input of an artificial neural network-based classifier trained on a multi-condition database. Two strategies are proposed to merge source and filter information: feature and decision fusion. Our experiments indicate an absolute reduction of 3% of the equal error rate when using decision fusion. The final proposed system is compared to four state-of-the-art methods on 150 minutes of data recorded in real environments. Thanks to the robustness of its source-related features, its multi-condition training and its efficient information fusion, the proposed system yields over the best state-of-the-art VAD a substantial increase of accuracy across all conditions (24% absolute on average).

نمونه چکیده ترجمه متن فارسی

چکیده

تشخیص فعالیت صوتی (VAD) اشاره به مساله تشخیص بخش های سخنرانی از سر و صدای پس زمینه دارد. روش های متعددی برای این منظور ارائه شده است. بعضی از آنها براساس ویژگی های به دست آمده از چگالی طیفی توان، برخی دیگر از دوره تناوب سیگنال بهره برداری میکنند. هدف از این مقاله بررسی استفاده مشترک از منابع و ویژگی های مبتنی بر فیلتر میباشد. بطور قابل توجهی، یک ارزیابی مبتنی بر اطلاعات متقابل، قدرت تشخیص برتر برای ویژگی های مربوط به منبع، به خصوص آنهایی که پیشنهادشده را نشان می دهد. ویژگی ها بیشتر ورودی یک طبقه بندی کننده مبتنی بر شبکه عصبی مصنوعی توسعه داده شده بر یک پایگاه داده چندشرطی است. دو استراتژی برای ادغام منبع و فیلتر کردن اطلاعات ارائه شده است: یعنی ویژگی و همجوشی تصمیم. آزمایش های ما یک کاهش مطلق از 3 درصد از میزان خطای برابر در هنگام استفاده از همجوشی تصمیم را نشان می دهد. سیستم نهایی ارائه شده است با چهار روش مدرن بر 150 دقیقه ازثبت اطلاعات در محیط های واقعی مقایسه شده است. به خاطراستحکام ویژگی های مربوط به منبع آن،توسعه چند وضعیتی آن و ترکیب اطلاعات کارآمد آن، سیستم پیشنهادی بازده بیشتری ازمدرنترین VAD تولید میکند که یک افزایش قابل توجهی از صحت در تمام شرایط (24٪ مطلق به طور متوسط)میباشد.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی مهندسی پزشکی