پیوند ها
تغيير شدت روشنايي به روش plc
توجه داشته باشید: درصورتی که شما صاحب اثر این فایل می باشید یا به هر دلیلی نسبت به فایل تحقیقاتی مذکور در این پست مالکیت معنوی دارید و درخواست حذف آن را دارید، در واتس آپ به شماره 09100636002 پیام دهید تا ظرف 24 ساعت نسبت به حذف فایل از روی سایت دانشجوسرا اقدام شود. در صورت تمایل و درخواست، دو مقاله به صورت رایگان (به نام پژوهشگر و دانشجو) در مجلات علمی معتبر پذیرش شده و چاپ می گردد. ((حفظ حقوق معنوی صاحب اثر در اولویت فعالیت سایت دانشجوسرا می باشد))
مقدمه:
گفتار راه طبيعي و مفيد براي رد و بدل کردن اطلاعات بين انسان هاست. براي ساختن يک کامپيوتر هوشمند اين مسأله مهم است که ماشين مي تواند "بفهمد" و به اطلاعات داده شده "عمل کند" و همچنين براي تکميل اطلاعات صحبت کند.
بنابراين تشخيص صوت براي يک کامپيوتر جهت دستيابي به هدف ارتباط کامپيوترها با انسان لازم است. با بيش از چهل سال تحقيق و الگوريتم هاي زيادي براي تشخيص صوت اتوماتيک ايجاد شد. روش " مقايسه نمونه" يکي از بهترين دستاوردها مي باشد. در اين روش سيستم يک يا چند نسخه اصلي براي هر واژه ذخيره مي کند و سيگنال صوت وارد شده را با هر کدام از آنها براي پيدا کردن نزديکترين گزينه مقايسه مي کند. اين فرايند شامل دو مرحله است:
ابتدا فرايند پردازش اين الگو را براي هر حرف در واژه ايجاد مي کند. سيگنال صوت در قسمت پردازش به فرم هايي با طول مساوي تقسيم مي شود سپس واحد acoustic front – end هرفريم را به يک نمودار مشخصه تبديل مي کند که تمام خصوصيات سيگنال آن فريم خاص را در بر دارد. اين نمودارهاي مشخصه به گروه هايي توسط بلوک طبقه بندي نمونه) تقسيم مي شوند تا مدل هايي از يک کلمه را ايجاد کنند. اين فرايند براي تمام حروف در يک واژه تکرار مي شوند. تصور کلي چنين است که اگر از يک نمونه اندازه کافي نسخه داشته باشيم مرحله پردازش بايد بتواند مشخصات صوتي نمونه را به اندازه کافي بيان کند. فرايند تشخيص ابتدا سيگنال ناشناس را به کمک همان acoustic front – end که در فرايند سيگنال اوليه استفاده شد به نمودار مشخصه تبديل مي کند. سپس اين نمودار مشخصه با هر کدام از نمونه هاي آماده شده سيگنال اوليه مقايسه مي شوند که اين مقايسه در بلوک pattern – matching انجام مي شود.
يک فرايند تشخيصي بر پايه بهترين مقايسه است که اين مقايسه بر اساس يک عملکرد فاصله بين دو نقطه از نمودار مشخصه تعريف مي شود که يکي از اين نقاط روي نمودار مشخصه سيگنال ورودي و ديگري روي نمودار سيگنال ذخيره شده است.
چکيده
امروزه با پيشرفت علوم کامپيوتر و استفاده از کامپيوترهاي شخصي و ذخيره کردن اطلاعات شخصي وجود سيستمي که تنها به آن شخص اجازه دسترسي به اطلاعات را بدهد لازم به نظر مي رسد. علاوه بر اين استفاده از پردازش سيگنال صوت در پزشکي و تشخيص از طريق سيگنال صوت مي تواند بسيار مفيد باشد. روش هاي بسياري براي تشخيص صوت به کار مي روند و مراحل زيادي براي تشخيص، تجزيه و تحليل صوت وجود دارد. تشخيص صوت ها معمولاً با ايجاد نمونه هاي ديجيتال از صوت انجام مي گيرد که اين روش هاي ايجاد طيف مي تواند
M FCC (MCL frequency cepstral coefficients)
LPC (linear predictive coding)
و يا روشي coch lea باشد و در مرحله بعد نمونه هاي صوت کوانتيزه مي شوند و در دسته بندي هاي مشخص قرار مي گيرند و بعد هم سيگنال هاي آماده شده مقايسه مي شوند تا کمترين فاصله بين آنها به عنوان نمونه مورد قبول انتخاب شود و سيگنال ورودي تشخيص داده شود. اين مرحله تشخيص نيز مي تواند با استفاده از روش هاي گوناگون از جمله:
DTW (Dynamic time warping )
HMM (Hidden Markov Models)
NNS (Neural Network )
به طور جداگانه يا مجموعه اي از اين روش ها انجام شود که در اين پروژه علاوه بر همه روش ها از DTW به عنوان روش مقايسه اي استفاده مي کنيم و با کمک نرم افزار C برنامه اي را براي انجام مقايسه و انجام کليه مراحل پردازش سيگنال در اختيار خوانندگان قرار مي دهيم. البته در اين پروژه هدف از تشخيص صوت دريافت دستور و پردازش و تشخيص آن صوت براي تغير شدت روشنايي ميباشد.
Plc (Power Line Carrier)
فهرست
1-1 ارتباط PLC , مشکلات , تکنيکهاي مدرن 57
1-3 مشکلات ارتباط از طريق خط برق 58
1-3-1 امپدانس و تضعيف کانال خط برق 58
1-5-1 استانداردها براي ارتباط از طريق خط برق 62
2-5 توصيه هايي براي کنترل خطا در PLC 76
3-3-1 سيستم مدولاسيون Spread – Spectrum 77
3-6 اجراي لايه دوم و ارتقاء عملکرد لايه اول 88
3-6-1 طرح Spread – Spectrum 88
3-6-3 چک کردن خطا و اصلاح آن 91
بخش 4 : مدار طراحي شده در اين پروژه 94
4-2 شرحي جامع بر نحوه عملکرد سيستم 94
4-3 شرح کاملي بر تک تک قسمتهاي مدار 95
فهرست مطالب بخش PLC چکيده:
مقدمه:
فصل اول
مروري بر بازشناسي گفتار
1-1) پردازش بر روي گفتار به دو دسته کلي تقسيم مي شود:
1-2) مقدمه اي بر بازشناسي گفتار:
1-3) پارامترهايي که در کارايي يک سيستم بازشناسي گفتار موثرند و تعيين کننده ميزان پيچيدگي سيستم مي باشند عبارتند از:
1-3-1) بازشناسي وابسته به گوينده و مستقل از گوينده:
1-3-2) باز شناسي لغات مجزا و گفتار پيوسته:
1-3-3) اندازه دايره لغات:
1-3-4) تشخيص حدود کلام:
1-3-5) نويز محيط:
1-3-6) محدوديتهاي زباني:
1-4) روش هاي متداول بازشناسي :
1-5) فرايند توليد گفتار:
1-6) انواع نواحي پايدار:
1-7) Spectrogram
1-8) ساختار فايلهاي Wave
فصل دوم
تئوريDTW
2-1)مقدمه:
2-2) اصول روش DTW
2-3) محاسبه فاصله محلي
2-4) محاسبه فاصله عمومي(فاصله کلي)
2-5)ناحيه محدود شده
3-5)الگوريتم DTW
فصل سوم
استخراج بردار ويژگيها
3-1)مقدمه:
3-2) روشهاي استخراج بردار ويژگيها
3-3) LPC
3-3-1) روابط تحليلLPC
3-4)ضرايب Cepstral:
3-5) وزن دهي ضرايب
فصل 4:
4-1 استخراج مشخصات و پردازش سيگنال:
4-2 pre – emphasis
4-3 Frameblocking windowing
4-4 autocorrelation
4-5 فرمول Lpc
4-6 Parameter weighting
فصل 5
ايجاد الگوي اوليه:
5-1 کوانتيزه کردن برداري : (VQ)
5-2 ايجاد پايگاه اطلاعاتي
5-3 ايجاد پايگاه اطلاعاتي
5-4 ايجاد پايگاه اطلاعاتي
5-3 الگوريتم K – means
فلوچا
توجه داشته باشید: درصورتی که شما صاحب اثر این فایل می باشید یا به هر دلیلی نسبت به فایل تحقیقاتی مذکور در این پست مالکیت معنوی دارید و درخواست حذف آن را دارید، در واتس آپ به شماره 09100636002 پیام دهید تا ظرف 24 ساعت نسبت به حذف فایل از روی سایت دانشجوسرا اقدام شود. در صورت تمایل و درخواست، دو مقاله به صورت رایگان (به نام پژوهشگر و دانشجو) در مجلات علمی معتبر پذیرش شده و چاپ می گردد. ((حفظ حقوق معنوی صاحب اثر در اولویت فعالیت سایت دانشجوسرا می باشد))
مبلغ واقعی 17,000 تومان 50% تخفیف مبلغ قابل پرداخت 8,500 تومان
برچسب های مهم