در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

پایان نامه برای دریافت درجه کارشناسی ارشد

مهندسی برق – الکترونیک

عنوان:

تشخیص گفتار از موسیقی به روش شبکه عصبی مصنوعی

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده
پردازش گفتار با در نظر داشتن کاربردهای وسیع آن در ارتباطات، تبادل اطلاعات میان بشر و ماشین مانند روبات ها، صنعت مخابرات، سمعک ها، به کارگیری ماشین در ترجمه مکالمات از یک زبان به زبان دیگر، ابزارهای آموزشی و دیگر محصولات تجاری مورد توجه قرار گرفته می باشد. دهه اخیر شاهد پیشرفت چشمگیری در این عرصه بوده می باشد. سیستم ها و الگوریتم هایی که با عملکرد بالا در آزمایشگاه پیاده سازی شده اند، به سمت دنیای واقعی در حال حرکت هستند.
فرق بین گفتار و موسیقی (SMD) مانند موضوعاتی می باشد که در دهه اخیر، مطالعات زیادی روی آن انجام شده می باشد. از کاربردهای آن می توان به تشخیص کانال های رادیویی که فقط موسیقی پخش می کنند تصریح نمود. همچنین می تواند به عنوان بخش اولیه در بازشناسی خودکار گفتار محسوب گردد.
به گونه کلی اغلب کارهایی که در این زمینه انجام شده می باشد شامل دو مرحله می باشد: 1- استخراج ویژگی قطعه صوتی که فرق بین گفتار و موسیقی را اظهار می کند 2- طبقه بندی قطعه صوتی با در نظر داشتن ویژگی. در بعضی رویکردها از یک ویژگی بهره گیری می گردد اما در بعضی دیگر از چند ویژگی. مانند این ویژگی ها می توان به ویژگی های حوزه زمان، حوزه فرکانس و زمان – فرکانس و… تصریح نمود. طبقه بندی کننده هایی که برای این کار بهره گیری می شوند نیز طبقه کننده های مرسوم مانند مدل مارکوف پنهان، ماشین بردار پشتیبان، گوسی و شبکه های عصبی و… می باشند. در این پژوهش از ضرائب ویولت به عنوان ابزار پایه بهره گیری شده می باشد که شش ویژگی آماری ساده از آن استخراج می شوند. از شبکه عصبی پرسپترون چند لایه نیز به عنوان طبقه بندی کننده بهره گیری شده می باشد که نتایج حاصله سیستم پیشنهادی در حدود 99 درصد را به دست آورد.
مقدمه
پیشرفت های قابل توجه فن آوری در طی دهه های گذشته به گونه چشمگیری طریقه ارتباط مستقر کردن مردم با بسیاری از منابع مختلف اطلاعات و سرگرمی را تغییر داده می باشد. کاربران فن آوری های مدرن، در ارتباط با انواع رسانه ها از یک حالت انفعال به وضعیت فعال منتقل شده می باشد. همین گونه که مقادیر داده ای در دسترس افزایش می یابد، تکنیک های کارآمد داده گردانی نیز لازم می گردد.
در چند سال گذشته داده های صوتی به اندازه زیاد از منابع در دسترس مانند پایگاه داده ها، برنامه های پخش و اینترنت ایجاد شده اند. بخاطر این که، توجه ویژه ای به توسعه استراتژی ها جابجایی داده اختصاص داده شده می باشد. پس، افتراق گفتار / موسیقی (SMD) به عنوان یکی از اهداف مهم به شمار می رود.
برای اهداف مختلفی می توان از یک SMD کارآمد بهره مند گردید. از این ابزار می توان برای انتخاب براساس محتوا در مجموعه برنامه های پخش بهره گیری نمود. نمونه ای از این نوع کاربرد، انتخاب ایستگاه های رادیویی می باشد که در واقع فقط موسیقی پخش می کنند. همچنین SMD قسمت اساسی تشخیص خودکار گفتار (ASR) و رونویسی موسیقی خودکار (AMT)، که اغلب نیاز به تجزیه و تحلیل داده های صوتی بی ساخت یا نامعلوم دارند. در مورد ASR، بخش گفتار فقط بایستی در نظر گرفته گردد، در حالی که در AMT بایستی نمونه های موسیقی مورد توجه قرار گیرند. پس مهم می باشد که سیگنال قبل از ورود به این سیستم ها به گونه صحیح قطعه بندی گردد. در نهایت نیز، توجه داشته باشید که دستگاه های مدرن کمک شنوایی اغلب شامل الگوریتم هایی هستند که عملکرد دستگاه را با در نظر داشتن نوع صدایی که به گوش می رسد تغییر می دهد. 

تعداد صفحات 79
قیمت 14700
 

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه ارشد برق مخابرات: الگوریتم های نوین پیش اعوجاج دیجیتالی وفقی و غیر وفقی

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می گردد.

پشتیبانی سایت :        ****       serderehi@gmail.com

دسته‌ها: مهندسی برق