تشخیص و پردازش صدا و گفتار با متلب به همراه آموزش

پروژه تشخیص و پردازش صدا و گفتار با متلب به همراه آموزش

در این پست پروژه تشخیص و پردازش صدا و گفتار با متلب به همراه آموزش را آماده کرده ایم که قابلیت های فوق العاده و کارکرد عالی را در یک محیط گرافیکی (GUI) فراهم کرده است. اگر اطلاع داشته باشید، پردازش سیگنال های صوتی به جهت وابستگی به زمان، به وجود آمدن نویز، شیوه های مختلف بیان کلمات و … دشواری و پیچیدگی های فراوانی دارد. با در نظر گرفتن این سختی ها، روی این پروژه پیش رو، بسیار زحمت کشیده شده و در نهایت با بهترین کیفیت پیاده سازی شده است.

اجازه دهید ابتدا در رابط با گفتار و اندام های گفتار کمی صحبت کنیم و سپس به شرح قابلیت های این پروژه تشخیص و پردازش صدا و گفتار بپردازیم.

گفتار را اینگونه می توان تعریف کرد: گفتار عبارت است از شکل تلفظ‌ شده ارتباطات انسانی که مبتنی بر ترکیب نحوی لغات و یا نام ‌هایی می باشد که از فرهنگ لغات بزرگ بدست می ‌آیند. (ویکی پدیا)

گفتار از مهم ترین سیگنال های پردازشی و ارتباطی می باشد که در علوم مختلف، نقش بسیاری دارد که از آنها می توان به پردازش سیگنال های مخابرات ، رنمی ، شناسایی الگو ، علوم رایانه ، روان شناسی و زبان شناسی ، فزیک اکوستیک و … اشاره نمود. (کتاب پردازش سیگنال گفتار دکتر آیت)

توضیحات بیشتر، قابلیت ها و فیلم اجرایی پروژه تشخیص و پردازش صدا و گفتار با متلب در ادامه مطلب.

در بحث نحوه تولید گفتار ، آشنایی با اندام های گفتار یکی از موارد ضروری است. اندام های گفتار دو دسته اند: اندام های اولیه و اندام های ثانویه. اندام های اولیه، به ترتیب از پایین به بالا عبارتند از پرده دیافراکم (یا حجاب حاجز)، شش ها، نای، حنجره، تارآواها (یا تارهای صوتی)، گلوگاه (گلو، حلق، حلق فوقانی)، حفره بینی، دهان، کام یا سقف دهان (ملاز، سخت کام، نرم کامل، لثه)، زبان، دهان ها، و لب ها که در کنار سایر وظایف خود، تولید گفتار در انسان را برعهده دارند.

قابلیت های پروژه تشخیص و پردازش صدا و گفتار :

• تشخیص گفتار و انواع صدا ها
• دارای محیط گرافیکی (gui) فارسی
• با این برنامه قادر به اجرای فرمان های صوتی در کامپیوتر از طریق میکروفن خواهید بود.
• به کمک این برنامه می توانید رباتی طراحی کنید که فرمان های شما را اجرا نمائید (مثلا فرمان دهید که به جلو و یا عقب یا جهت های دیگر حرکت کند!)

ویژگی ها و نحوه کار با پروژه تشخیص و پردازش صدا و گفتار:

• یک فیلم آموزشی در کنار پروژه موجود است که نحوه کارکردن با آن را به آسانی به شما آموزش میدهد.
• محیط گرافیکی این پروژه از دو قسمت تشکیل شده که قسمت راست به منظور ایجاد پایگاه داده از صدا هایی که می خواهید تشخیص داده شوند در نظر گرفته شده. (چند نمونه از صدا را ضبط می کنید و این صدا ها به صورت خودکار د رپایگاه داده برنامه ذخیره می شومد).
• قسمت سمت چپ نیز به منظور تشخیص صدا می باشد. (روی دکمه تشخیص صدا کلیک می کنید که از همان لحظه، برنامه شروع به ضبط صدا می کند و در نهایت با توجه به پایگاه داده صدا مورد نظر را تشخیص می دهد).
• استفاده از الگوریتم DTW برای تشخیص دقیق صدا و گفتار

برنامه نویس پروژه: طیب حسینی