علوم اجتماعی – جامعه شناسی
علوم ارتباطات
عمران
مدیریت آموزشی و برنامه ریزی درسی
معماری و شهرسازی
مهندسی برق
مهندسی شیمی
مهندسی صنایع
مهندسی کامپیوتر
 

سمینار ارشد رشته برق الکترونیک: تشخیص گفتار از موسیقی به روش شبکه عصبی مصنوعی
 
متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی برق

با عنوان : تشخیص گفتار از موسیقی به روش شبکه عصبی مصنوعی

در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید
و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.
 

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 شود
تکه هایی از متن به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه

چیز مرتب و کامل است)
چکیده
پردازش گفتار با توجه به کاربردهای وسیع آن در ارتباطات، تبادل اطلاعات میان انسان 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 است. دهه اخیر شاهد پیشرفت چشمگیری در این عرصه بوده است. سیستم ها و الگوریتم هایی که با عملکرد بالا در آزمایشگاه پیاده سازی شده اند، به سمت دنیای واقعی در حال حرکت هستند.
تمایز بین گفتار و موسیقی (SMD) از جمله موضوعاتی است که در دهه اخیر، مطالعات زیادی روی آن انجام شده است. از کاربردهای آن می توان به تشخیص کانال های رادیویی که فقط موسیقی پخش می کنند اشاره کرد. همچنین می تواند به عنوان بخش اولیه در بازشناسی خودکار گفتار محسوب شود.
به طور کلی اغلب کارهایی که در این زمینه انجام شده است شامل دو مرحله می باشد: 1- استخراج ویژگی قطعه صوتی که تمایز بین گفتار و موسیقی را بیان می کند 2- طبقه بندی قطعه صوتی با توجه به ویژگی. در بعضی رویکردها از یک ویژگی استفاده می شود ولی در برخی دیگر از چند ویژگی. از جمله این ویژگی ها می توان به ویژگی های حوزه زمان، حوزه فرکانس و زمان – فرکانس و… اشاره کرد. طبقه بندی کننده هایی که برای این کار استفاده می شوند نیز طبقه کننده های مرسوم مانند مدل مارکوف پنهان، ماشین بردار پشتیبان، گوسی و شبکه های عصبی و… می باشند. در این تحقیق از ضرائب ویولت به عنوان ابزار پایه استفاده شده است که شش