دانلود پروژه:جداسازی دو­گوشی سیگنال بر اساس مدل‌سازی پارامترهای درون­گوشی

کلیدواژه‌ها: آنالیز ترکیب شنیداری محاسباتی، جداسازی و مکان­یابی دوگوشی منابع، پارامترهای درون­گوشی، روش حذف نویز موجک، حداقل میانگین مربعات خطا، ماسک­گذاری انسجام درون­گوشی، هموارسازی.

خلاصه: بهنگام شنوایی در محیط­های دارای نویز و پژواک، شنوندگان انسانی قادر هستند بر روی یک صدای خاص مورد نظر، بدون توجه به دیگر اصوات اخلال، تمرکز داشته باشند. اما کامپیوتر، بعنوان یک شنونده ماشینی، می­تواند این وظیفه را تنها به شکل بسیار محدود آن انجام دهد. در حالیکه سیستم­های بازشناسی خودکار گفتار و ادوات کمک­شنوایی در شرایط آرام بخوبی کار می­کنند، جداسازی منابع در مورد آنها امری ضروری است تا بتوانند در شرایط پیچیده نویزی و باپژواک نیز عملکرد مناسبی داشته باشند.

در این پایان­نامه، روش­های جدیدی جهت بهبود عملکرد یک سیستم پایه دوگوشی جداسازی منبع، بنام سیستم جداسازی و مکان­یابی مبتنی بر مدل با استفاده از حداکثرسازی ­امید ریاضی (EM)، موسوم بهMESSL، ارائه شده است. در سیستم MESSL، ابتدا، پارامترهای اختلاف فاز درون­گوشی (IPD) و اختلاف سطح درون­گوشی (ILD) بصورت مدلهای مخلوط گوسی (GMMs) برای هر منبع مدل می­شوند. سپس، با ارزیابی مدل در هر نقطه زمان- فرکانس (T-F)، واحدهای با احتمالات بالا به منبع مورد نظر اختصاص داده می­شوند.

به منظور بهبود عملکرد جداسازی، دو روش برای شرایط بدون پژواک و باپژواک پیشنهاد می­شوند. در شرایط بدون پژواک، روش حذف نویز موجک و بدنبال آن روش بهبود گفتار حداقل میانگین مربعات خطا (MMSE) بعنوان یک پس­پردازش دو مرحله­ای برای روش MESSL  پیشنهاد می­شود. روش پیشنهادی دوم مرتبط با شرایط باپژواک است. در اینجا، ابتدا، یک ماسک انسجام درون­گوشی (IC mask) تخمین زده شده و به سیگنال مخلوط جهت کاهش اثرات پژواک اعمال می­شود. سپس، یک فرآیند هموارسازی خودکار بکار گرفته می­شود که عمل صاف­کردن سریع داده­های ILD را با استفاده از تبدیل کسینوسی گسسته (DCT) انجام می­دهد. این مرحله از پردازش برای کاستن اثرات ناخواسته و مصنوعی که ممکن است در جریان اعمال ماسک­ IC رخ دهد، ضروری است. انجام شبیه­سازی­های مختلف نشان می­دهد که روش­های پیشنهادی، در مقایسه با روش پایه MESSL، عملکرد بالاتری را در چارچوب سیستم­های جداسازی مبنع مبتنی بر مدل دارا می­باشند.