استفاده از دستاوردهای آواشناسی یکی از راههایی است که میتواند به بهبود دقت بازشناسی گفتار کمک میکند. در گفتار تلفنی عوامل متعددی سبب از بین رفتن تمایزات واجی و در نتیجه ابهامآوایی میشوند. اما این تمایزات واجی توسط برخی از پارامترهای اکوستیکی باقیمانده در سیگنال گفتار، انتقال پیدا میکنند. تحلیل ۱۸۱ نمونه آوایی که توسط ۱۳ زن و ۱۴ مرد در بافتهای مختلف آوایی تولید شدهاند، در مرحله اول این پژوهش نشان میدهد که پارامترهای نوفه سایش شامل دیرش سایش و مرکز ثقل طیف و نیز اطلاعات آوایی واکه شامل دیرش واکه، بسامد پایانه F2 تمایز واجی [se]- [seI] را حتی در نمونههای کاهشیافتهای مانند [seF] در سیگنال گفتار انتقال میدهند. از آنجا که پارامترهای واکه سرنخهای دقیقتر و بهتری برای انتقال تمایز واجی [se]- [seI] در سیگنال تلفنی هستند، بنابراین سه پارامتر دیرش واکه، بسامد پایانه F2 و شیبگذر F2 در ۸۱۱ نمونه آوایی (۴ زن و ۹ مرد) مورد اندازهگیری قرار گرفت و به عنوان دادههای تست برای افزایش دقت سیستم بازشناسی مورد استفاده قرار گرفت. در این تحقیق برای افزایش دقت بازشناسی از روش تلفیق دو شیوه بازشناسی بر اساس مدل مخفی مارکوف و ضرایب مل- کپستروم و نیز بازشناسی بر اساس پارامترهای استخراج شده از واکه صورت گرفت. یکی از راههای ترکیب نتایج حاصل از دو روش فوق، استفاده از معیار اطمینان میباشد. یکی از روشهایی که میتوان برای سیستم مبتنی بر پارامتر، معیار اطمینان تعریف کرد استفاده از درجه شباهت نرمالشدهای است که با استفاده از توزیع گوسی به دست میآید. مشاهده میشود که دقت حدود ۱ درصد بیشتر از دقت سیستم بازشناسی مبتنی بر HMM (۹۳/۳۳درصد) است و به ۹۴/۳۱ درصد میرسد. بنابراین میتوان گفت روش ترکیبی مبتنی بر معیار اطمینان خطای بازشناسی ارقام سه و صفر به طور نسبی حدود ۱۵ درصد کاهش داده است.
محمودزاده، زهرا. 1390. بهبود سیستم بازشناسی اعداد تلفنی با استفاده از پارامترهای آکوستیکی آواهای زبان فارسی. تهران: پژوهشگاه علوم و فناوری اطلاعات ایران.
