دانلود رایگان ترجمه مقاله تقویت گفتار با یک فیلتر وینر سازگار – اسپرینگر ۲۰۱۴

springer4

دانلود رایگان مقاله انگلیسی تقویت گفتار با یک فیلتر وینر تطبیقی به همراه ترجمه فارسی

 

عنوان فارسی مقاله: تقویت گفتار با یک فیلتر وینر تطبیقی
عنوان انگلیسی مقاله: Speech enhancement with an adaptive Wiener filter
رشته های مرتبط: مهندسی کامپیوتر، مهندسی برق، هوش مصنوعی، مهندسی الکترونیک، سیستم های مخابراتی، مخابرات میدان
فرمت مقالات رایگان مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF میباشند
کیفیت ترجمه کیفیت ترجمه این مقاله خوب میباشد 
توضیحات ترجمه این مقاله به صورت خلاصه انجام شده است.
نشریه اسپرینگر – Springer
کد محصول f163

مقاله انگلیسی رایگان

دانلود رایگان مقاله انگلیسی

ترجمه فارسی رایگان 

دانلود رایگان ترجمه مقاله
جستجوی ترجمه مقالات جستجوی ترجمه مقالات

 

 

بخشی از ترجمه فارسی مقاله:

–فیلتر وینرتطبیقی
این فیلتر وینر تطبیقی پیشنهاد ی از آمار محلی متفاوت سیگنال گفتارسود میبرد. یک بلوک دیاگرام روش فیلتر وینر تطبیقی در شکل ۱نشان داده شده است. در فرایند فیلترینگ، MX متوسط محلی تخمینی و
xσ۲واریانس محلی سیگنال x (n)، استفاده شده اند.
۶ نتایج شبیه سازی
برای هدف ارزیابی، ما یک سیگنال گفتار برای جمله “ما سال پیش دور بودیم” را برای یک مرد و برای یک زن استفاده کردیم. ما از معیارهای کیفیت گفتار مانندسیگنال به نویز(SNR)،سگمنتالسیگنال به نویز (SNRseg)، لگاریتم درستنمایی نسبت (LLR) وانحراف طیفی (SD) استفاده کردیم.ما ابتدا با سیگنال مرد شروع کردیم وسر و صدا افزودنی وایت گاوسی(AWGN)رابه آن باسیگنال به نویزها از ۵ -و ۵ دسی بل اضافه کردیم.نتایج تمام روش های تقویت که در بالا توضیح داده شد در سیگنال گفتار مرد برایسیگنال به نویز (SNR)از ۵ دسی بل در شکل۲ تا۸نشان داده شده است.
برای مورد سر و صدا رنگی شده، ما سر و صدا رنگی را توسط فیلتر پایین گذر ازسر و صدا افزودنی وایت گاوسیقبل از اضافه کردن آن به سیگنال شبیه سازی کردیم. همچنین ما تمام روش های تقویت سخنرانی رابر روی سیگنال های مرد و زن در حضور سر و صدای رنگی تست کردیم. نتایج حاصل از این آزمایشات برای سیگنال مرد درسیگنال به نویزبرابر ۵ دسی بل در شکل۹ تا ۱۴ نشان داده شده است. شکل ۱۵ خروجیسیگنال به نویز (SNR)در مقابلورودی سیگنال به نویز(SNR) برای تمام روش ها درسیگنال مرد را نشان می دهد. شکل ۱۶ SNRsegدر مقابل ورودی(SNR) برای تمام روش ها بر روی سیگنال مردرا نشان می دهد. شکل ۱۷ تغییرلگاریتم درستنمایی نسبت (LLR)در مقابل ورودی(SNR)برای تمام روش هابر روی سیگنال مرد را نشان می دهد. شکل ۱۸ تغییراتانحراف طیفی SD)(در مقابل ورودیسیگنال به نویزبرای تمام روش بر روی سیگنال مرد را نشان می دهد.مورد سر و صدا رنگ شده نیز درمقایسه مطالعه شده است و نتایج آن در شکل ۱۹ به ۲۲ داده شده است.یک مطالعه مشابه بر روی سیگنال زن تکرار شده است، ونتایج در جدول ۱ تا۴جدول بندی شده اند.نتایج همه از روش فیلتر پیشنهادی تطبیقی وینرحمایت میکنند.
۷ نتیجه گیری
یک روش تطبیقی فیلتر وینر برای تقویت گفتار در این مقاله ارائه شده است. این روش بستگی به اقتباس از پاسخ ضربه فیلتراز نمونه به نمونه بر اساس آمار سیگنال گفتاردارد. نتایج نشان می دهد که روش فیلتر وینر تطبیقی پیشنهادی بهترین عملکرد رادر مقایسه با تمام دیگر روش های تقویت گفتار در هر دو مقدار کم و بالایسیگنال به نویز ذکر شده در این مقاله دارد. فیلتر پیشنهادی در هر دومورد سر و صدا افزودنی وایت گاوسی و سر و صدا های رنگ شده نتیجه بخش است. این به ماهیت تطبیقی از پاسخ ضربه فیلتر نسبت داده شده است. این فیلتر وینر تطبیقی پیشنهادشده دارای مزیت دیگرست .آن این است که تنها وابسته به سیگنال پر سر و صدا به عنوان یک ورودی تنهاست.

بخشی از مقاله انگلیسی:

۵ Adaptive Wiener filtering This proposed adaptive Wiener filter benefits from the varying local statistics of the speech signal. A block diagram of the adaptive Wiener filtering method is illustrated in Fig. 1. In the filtering process, the estimated local mean mx and local variance σ۲ x of the signal x(n) are exploited

۶ Simulation results For the evaluation purpose, we have used a speech signal for the sentence “We were away year ago” for a male and for a female. We used speech quality metrics such as the SNR, segmental SNR (SNRseg), Log-Likelihood Ratio (LLR) and Spectral Distortion (SD). We first began with the male signal and added AWGN to it with SNRs of −۵ and 5 dB. The results of all enhancement methods explained above on the male speech signal for SNR of 5 dB are shown in Figs. 2 to 8.For the colored noise case, we simulated colored noise by lowpass filtering of the AWGN prior to adding it to the signal. We also tested all speech enhancement methods on the male and the female signals in the presence of colored noise. The results of the tests for the male signal at SNR equal 5 dB are shown in Figs. 9 to 14. Figure 15 shows the output SNR versus the input SNR for all methods on the male signal. Figure 16 shows the SNRseg versus the input SNR for all methods on the male signal. Figure 17 shows the variation of the LLR versus the input SNR for all methods on the male signal. Figure 18 shows the variation of the SD versus the input SNR for all methods on the male signal. The case of the colored noise has also been studied in the comparison and its results are given in Figs 19 to 22. A similar study has been repeated on the female signal, and the results are tabulated in Tables 1 to 4.These results are all in favor of the proposed adaptive Wiener filtering method

۷ Conclusion An adaptive Wiener filtering method for speech enhancement has been presented in this paper. This method depends on the adaptation of the filter impulse response from sample to sample based on the speech signal statistics. The results show that the proposed adaptive Wiener filtering method has the best performance as compared to all other speech enhancement methods mentioned in this paper at both low and high SNR values. The proposed filter succeeds in both the AWGN and the colored noise cases. This is attributed to the adaptive nature of the filter impulse response. This proposed adaptive Wiener filter has another advantage of being dependent only on the noisy signal as a single input.

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *