پایان نامه بهسازی سیگنال گفتار در حوزه زمان فرکانس

فهرست پایان نامه بهسازی سیگنال گفتار در حوزه زمان فرکانس

فهرست:

تقدیر و تشکر. ث‌

چکیده. ح‌

فهرست شکل ها. س‌

فهرست جدول ها. ص‌

فصل اول: 1

مقدمه.. 1

1-1 پیشگفتار.. 1

1-2 بهسازی گفتار نویزی:اهداف،کاربردها،مفاهیم.. 2

1-3 تعریف مسئله و تقسیم بندی روش ها.. 3

1-4 نوآوری تحقیق.. 4

1-5  ساختار پایانامه.. 4

فصل دوم.. 5

پیش زمینه های پردازش سیگنال گفتار. 5

2-1     نحوه تولید گفتار در انسان.. 5

2-2   معرفی نویز و انواع آن.. 10

2-2-1  نویز سفید.. 13

2-2-2   نویز صورتی.. 13

2-2-3 نویز قهوهای.. 14

2-2-4   نویز صنعتی.. 14

2-3 تحلیل زمان- فرکانسی سیگنال گفتار.. 15

2-3-1 تبدیل فوریه.. 15

2-3-2 تبدیل فوریه زمان-کوتاه.. 17

2-3-3 آنالیز چند دقت زمان فرکانسی.. 20

2-3-4 تبدیل موجک یک بعدی.. 20

2-3-4-1  تبدیل موجک پیوسته. 20

2-3-4-1-1  دقت های  زمانی و  فرکانسی. 22

2-3-4-1-2  روابط ریاضی تبدیل موجک: 22

2-3-4-1-3  عکس تبدیل موجک: 24

2-3-4-2 تبدیل موجک گسسته. 24

2-4 الگوریتم بهینه سازی ژنتیک.. 28

2-4-1 درباره علم ژنتیک.. 28

2-4-2  تاریخچۀ علم ژنتیک.. 29

2-4-3 تکامل طبیعی (قانون انتخاب طبیعی داروین)و رابطه آن با روش های هوش مصنوعی   29

2-4-4  الگوریتم ژنتیک.. 32

2-4-5  مکانیزم الگوریتم ژنتیک.. 34

2-4-6  عملگرههای الگوریتم ژنتیک.. 37

2-4-6-1  کدگذاری. 37

2-4-6-2 ارزیابی. 37

2-4-6-3 ترکیب. 37

2-4-6-4 جهش. 37

2-4-6-5 رمزگشایی. 38

2-4-7  چارت الگوریتم به همراه شبه کد آن.. 38

2-4-7-1  شبه کد و توضیح آن.. 38

2-4-7-2 چارت الگوریتم ژنتیک.. 40

2-4-8 تابع هدف.. 41

2-4-9 روش‌های کد کردن.. 41

2-4-9-1  کدینگ باینری. 42

2-4-9-2 کدینگ جایگشتی. 42

2-4-9-3  کد گذاری مقدار. 43

2-4-9-4 کدینگ درخت. 44

2-4-10  نمایش رشته‌ها.. 45

2-4-11 جمعیت.. 46

2-4-11-1  ایجادجمعیت اولیه. 46

2-4-11-2 اندازه جمعیت. 46

2-4-12  محاسبه برازندگی (تابع ارزش) 47

2-4-13  انواع روش‌های انتخاب.. 48

2-4-13-1  انتخاب چرخ رولت. 49

2-4-13-2 انتخاب حالت پایدار. 51

2-4-13-3  انتخاب نخبه گرایی. 51

2-4-13-4  انتخاب رقابتی. 51

2-4-13-5 انتخاب قطع سر. 52

2-4-13-6  انتخاب قطعی بریندل. 52

2-4-13-7  انتخاب جایگزینی نسلی اصلاح شده. 53

2-4-13-8  انتخاب مسابقه. 53

2-4-13-9  انتخاب مسابقه تصادفی. 53

2-4-14  انواع روش‌های ترکیب.. 53

2-4-14-1  جابه‌جایی دودوئی. 54

2-4-14-2  جابه‌جایی حقیقی. 56

2-4-14-3 ترکیب تک‌نقطه‌ای. 57

2-4-14-4  ترکیب دو نقطه‌ای. 58

2-4-14-5  ترکیب n نقطه‌ای. 58

2-4-14-6 ترکیب یکنواخت. 58

2-4-14-7  ترکیب حسابی. 59

2-4-14-8  ترتیب. 59

2-4-14-9  چرخه. 60

2-4-15 احتمال ترکیب.. 60

2-4-16  تحلیل مکانیزم جابجایی.. 61

2-4-17 جهش.. 61

2-4-17-1 جهش باینری. 63

2-4-17-2  جهش حقیقی. 64

2-4-17-3  وارونه سازی بیت. 64

2-4-17-4  تغییر ترتیب قرارگیری. 64

2-4-17-5 وارون سازی. 64

2-4-17-6  تغییر مقدار. 65

2-4-18  محک اختتام اجرای الگوریتم ژنتیک.. 65

2-4-19 نقاط قوّت الگوریتم‌های ژنتیک.. 66

2-4-20  محدودیت‌های GAها.. 68

2-5 آنالیز ضرایب پیشگویی خطی  (LPC) 69

2-5-1 محاسبه ضرایب LPC. 70

فصل سوم.. 73

مروری برروش های عمده بهسازی گفتار. 73

3-1 مقدمه.. 73

3-2  روش تفریق طیفی.. 74

3-3 روش فیلتر وینر.. 76

3-4  بهسازی گفتار با استفاده از مدل های آماری.. 78

3-4-1  تخمین زننده لگاریتمی بر مبنای کمینه کردن خطای میانگین مربعات(Log MMSE) 78

3-4-2  استفاده از مدل مخفی مارکف(HMM) برای بهسازی گفتار.. 80

3-5 روش زیر فضای سیگنال.. 82

3-6  بهسازی گفتار با استفاده از تبدیل موجک.. 83

3-7  مقایسه روش ها و بررسی نقاط قوت  و ضعف.. 85

3-7-1  بررسی های مقایسه ای انجام شده بین برخی از روش های بهینه سازی گفتار   86

2-3-2  چکیده ای ازویژگی ها ونقاط قوت و ضعف روش های مختلف.. 87

3-8 نکات و ملاحظاتی مهم درطراحی سیستم بهسازی گفتار.. 89

3-8-1  استفاده از سیستم های ترکیبی.. 89

3-8-2  استفاده از پردازش های زیر باند و مزایای آن.. 89

3-8-3  استفاده از میکروفون دوم.. 90

فصل چهارم :  روش های پیشنهادی... 92

4-1 مقدمه.. 92

4-2 روش های پیشنهادی.. 93

4-2-1  بهسازی سیگنال های صوتی با استفاده از الگوریتم ژنتیک و آنالیز LPC در روش تفریق موجک.. 93

4-2-1-1  روش تفریق طیفی  ضرایب موجک (WSS) 94

4-2-1-2 اصلاح روش تفریق طیفی ضرایب موجک  (IWSS) 95

4-2-1-3 تخمین نویز. 96

4-2-1-4 الگوریتم ژنتیک. 97

4-2-1-4-1   عملگر انتخاب. 97

4-2-1-4-2 عملگر برش. 98

4-2-1-4-3  عملگر جهش. 98

4-2-1-4-4 جمعیت اولیه. 98

4-2-1-4-5 تابع هدف. 98

4-2-2 بهسازی سیگنال های صوتی با استفاده از روش میانگین خطای مربعات در فضای موجک   98

4-2-2-1 تخمین زننده Log MMSE   در فضای موجک. 99

4-2-2-2 تخمین نویز. 100

فصل پنجم:  نتایج و آزمایش ها. 101

5-1 مقدمه.. 101

5-2 جزئیات پیاده سازی.. 102

5-3 نتایج  بهسازی سیگنال های صوتی با استفاده از الگوریتم ژنتیک و آنالیز LPC در روش تفریق موجک.. 103

5-4 نتایج بهسازی سیگنال های صوتی با استفاده از روش میانگین خطای مربعات در فضای موجک   106

فصل  ششم:  نتیجه گیری و پیشنهادها. 109

6-1  نتیجه گیری.. 109

6-2 پیشنهاد برای کارهای آتی.. 111

مراجع   112

منبع:

 

[1] P.C. Loizou, Speech Enhancement: Theory and Practice, CRC Press,Boca Raton, FL, 2007.section 3, p 46

[2] Borden, G., Harris, K., and Raphael, L. , Speech science Primier, 3rd ed., Baltimore, MID: Williams and Wilkins.

[3] Rosenberg, A., Effect of glottal  pulse shape on the quality of natural vowels, J. Acoust. Soc. Am., 49(2), 583-588 (1971).

  

[4] S. G. Mallat, "A Theory for Multiresolution Signal Decomposition: The Wavelet Representation," IEEE Transactions on Pattern Analysis Machine Intelligence, July 1989.

[5] ا. صیادی, "آشنایی مقدماتی با تبدیل ویولت ," دانشکده مهندسی برق، دانشگاه صنعتی شریف, اسفند87.

[6] C. S. Burrus, R. A. Gopinath and H. Guo, Introduction to Wavelets and the Wavelet Transforms: A Primer. Upper Saddle River, Prentice Hall, Inc., 1998.

[7] www.fa.wikipededia.org/wiki/ ژنتیک.htm

[8] www.en.wikipededia.org/wiki/Gergor_Mandel.htm

[9] 1387 انتشارت عابد، تهران، ، "الگوریتم‌های‌ژنتیک و بهینه‌سازی سازه‌های مرکب"،باوری ا ، صالحی م.

[10] www.fa.wikipededia.org/wiki/الگوریتم_ژنتیک.htm

[11] ، روزنامه جام‌جم- ضمیمه کلیک- شماره 209، تهران، "جستاری بر الگوریتم‌‌ژنتیک"، شاهمیری ا 1387

[12] "آموزش کاربردی الگوریتم‌ژنتیک در نرم‌افزار متلب " رضائی ع ، رنجبران س,1386،تهران، انتشارات آذر

[13] D.A Coley.,”An Introduction to genetic Algorithms for scientists and engineers “ , word scientific,2000

[14]Goldberg D.E,”Genetic Algorithms in Search Optimization and Machine Learning” ,Adisson Wesley Longman Inc.,1997.

[15] S. Boll, "Suppression of acoustic noise in speech using spectral subtraction," IEEE Trans. Acoust., Speech, Signal Process, 1979.

[16] M. Berouti, R. Schwartz, and J. Makhoul, enhancement of speech corrupted by acoustic noise, proc. IEEE ICASSP , Washington DC, April 1979, 208-211.

[17] Zenton Goh, Kah-Chye Tan, B T G Tan,” Postprocessing Method for Suppressing Musical Noise Generated by Spectral Subtraction “IEEE trans. on Speech and Audio Processing 1998

[18] Bodin, P. and Villemoes, L. F. (1997). Spectral subtraction in the timefrequency domain using wavelet packets. IEEE Workshop on Speech Coding for Telecommunications. Proceedings, New York, IEEE, 47{48.

[19] Ing Yann Soon, Soo Ngee Koh, Chai Liat Yeo, Wavelet for Speech Denoising, TENCON 97, Brisbane, Australia, 1997, pp: 479-482.

[20] J. S . Lim and A. V. Oppenheim, “All-pole modeling of degraded speech,” IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-26, no. 3, pp. 197-210, June 1978.

[21] J. H. L. Hansen and M. A. Clements, “Constrained iterative speech enhancement with application to speech, recognition,” IEEE Trans. Signal Processing, vol. 39, no. 4, pp 795-805, Apr. 1991.

[22] W.-R. Wu and P.-C. Chen, “Subband Kalman Filtering for Speech Enhancement,” IEEE Transactions on Circuits and Systems II, vol. 45, no. 8, pp. 1072–1083, Aug. 1998.

[23] W.H. Chen, C.H. Smith, S.C. Fralick, A fast computational algorithm for the discrete cosine transform, IEEE Trans. Commun. COM-25 (1977) 1004±1009.

[24] Y. Ephraim and D. Malah, “Speech enhancement using a minimum mean-square error log-spectral amplitude estimator,” IEEE Trans. Acoustics, Speech and Signal Processing, vol. ASSP-33, pp. 443—445, 1985.

[25] K. E. Mueller, “Computing the confluent hypergeometric function, m(a, b, x),” Numer. Math., vol. 90, pp. 179—196, 2001.

[26] Philipos C. Loizou”Speech Enhancement: Theory and Practice, CRC Press,2007

[27] L. Rabiner and B. Juang, "An introduction to hidden Markov models," ASSP Magazine, IEEE, vol. 3, pp. 4-16, 1986.

[28] A. Varga and R. Moore, "Hidden Markov model decomposition of speech and noise," in Acoustics, Speech, and Signal Processing, 1990. ICASSP-90., 1990 International Conference on, 1990, pp. 845-848.

[29] H. Sameti, H. Sheikhzadeh, L. Deng, and R. L. Brennan, "HMM-based strategies for enhancement of speech signals embedded in nonstationary noise," Speech and Audio Processing, IEEE Transactions on, vol. 6, pp. 445-455, 1998.

[30] Y. Ephraim and H. L. Van Trees, "A signal subspace approach for speech enhancement," Speech and Audio Processing, IEEE Transactions on, vol. 3, pp. 251-266, 1995.

[31] J. Huang and Y. Zhao, "An energy-constrained signal subspace method for speech enhancement and recognition in white and colored noises," speech Communication, vol. 26, pp. 165-181, 1998.

[32] M. Rezaei and H. Gazor, "Generalized Vector Variational-Like Inequalities," Journal of Mathematical Extension, 2010.

[33] R. Vetter, "Single channel speech enhancement using MDL-based subspace approach in bark domain," in Acoustics, Speech, and Signal Processing, 2001. Proceedings.(ICASSP'01). 2001 IEEE International Conference on, 2001, pp. 641-644.

[34] D. L. Donoho and I. M. Johnstone, "Threshold selection for wavelet shrinkage of noisy data," in Engineering in Medicine and Biology Society, 1994. Engineering Advances: New Opportunities for Biomedical Engineers. Proceedings of the 16th Annual International Conference of the IEEE, 1994, pp. A24-A25 vol. 1.

[35] Q. Pan, L. Zhang, G. Dai, and H. Zhang, "Two denoising methods by wavelet transform," Signal Processing, IEEE Transactions on, vol. 47, pp. 3401-3406, 1999.

[36] H. Choi and R. Baraniuk, "Analysis of wavelet-domain Wiener filters," in Time-Frequency and Time-Scale Analysis, 1998. Proceedings of the IEEE-SP International Symposium on, 1998, pp. 613-616.

[37] J. Chen, Y. Huang, and J. Benesty, "Filtering techniques for noise reduction and speech enhancement," in Adaptive Signal Processing, ed: Springer, 2003, pp. 129-154.

[38] F. Asano, S. Hayamizu, T. Yamada, and S. Nakamura, "Speech enhancement based on the subspace method," Speech and Audio Processing, IEEE Transactions on, vol. 8, pp. 497-507, 2000.

[39] C. Avendano and G. Garcia, "STFT-based multi-channel acoustic interference suppressor," in Acoustics, Speech, and Signal Processing, 2001. Proceedings.(ICASSP'01). 2001 IEEE International Conference on, 2001, pp. 625-628.

[40] Y. Ghanbari, M.R. Karami, “Spectral subtraction in the wavelet domain for speech Enhancement”, International Journal of software and Information Technologies (IJSIT), vol.1 no.1, pp:26-30,2004.

[41] Malihe hassani, M. R. Karami mollaei,“Speech Enhancement Based on Spectral Subtraction in Wavelet Domain” IEEE 7th International Colloquium on Signal Processing and its Applications,2011.

[42] J. R. Deller, J. H. L. Hansen, and J.G. proakis, Discrete-time 8,19sson

gorithms in Search

processing of speech signals. 2nd edition, IEEE press, 2000.

[43] L. R. Rabiner and R. W. Schafer. Digital processing of speech signals. Prentice Hall, 1978.

[44] Tierney J., A study of LPC analysis of speech in additive noise, IEEE trans. Acoust. Speech and signal process., ASSP-28,4, pp:389-379 (Aug.1980).

[45] Sambur M.r. and Jayant N.s., LPC analysis/synthesis from speech inputs containing guantizing noise or additive white noise, IEEE Trans. Acoust. Speech and signal process., ASSP-24, 6, pp:488-494 (Dec.1976).

[46]Coley D.A.,”An Introduction to genetic Algorithms for scientists and engineers “ , word scientific,2000 [47]Goldberg D.E,”Genetic Algorithms in Search Optimization and Machine Learning” ,Adisson Wesley Longman Inc.,1997.