مدل سازی سیگنال تحریک به کمک مدل Rosenberg شکل موج سیگنال تحریک واکدار طیف سیگنال تحریک مدل ساده تشعشع لب ها بررسی شیب در پاسخ فرکانسی مدل تشعشع لب ها بررسی طیف فرکانس، فاز، تاخیرات گروهی و بقیه مشخصات طیف سیگنال تحریک و تشعشع لب ها بدست آوردن فرمنت های اول تا سوم به منظور متمایز کردن واکه ها نرم افزار wavesurfer ((گزارش متنی به همراه کدهای متلب، فایل های گفتاری و نرم افزار wavesurfer))

بازشناسی کلمات به کمک جعبه ابزار HTK براساس HMM بدست آوردن دنباله بردارهای ویژگی­ به کمک جعبه ابزار HTK تعریف وظیفه، گرامر و شبکه در الگوریتم HMM مشخص کردن ساختار کلی مدل­های مخفی ارزش دهى ابتدایی مدل ها آموزش مدل چپ به راست HMM توسط الگوریتم بام-ولش تست مدل HMM به کمک الگوریتم ویتربی بازشناسی بازه های زمانی کلمات تست تعیین محدوده صحیح بازشناسی تفسیر نتایج بازشناسی خوشه بندی الگوریتم K-Means

آشکارسازی فعالیت صوتی براساس مدل اتورگرسيو تعميم يافته مشروط به ناهمگني واريانس بررسی مدل اتورگرسيو مشروط به ناهمگني واريانس بررسی مدل اتورگرسيو تعميم يافته مشروط به ناهمگني واريانس بررسی مدل GARCH(1,1) جنبه های آماری تست نسبت درستنمایی چند مشاهده ای LRT بررسی توزیع سیگنال گفتار و نویز آشکارساز فعالیت هاي گفتاري موثر براساس تخمین دیورژانس بلند مدت طیفی نتایج شبیه سازی ))گزارش متنی به همراه کده ...

روال تخمین طیف به کمک Minimum Variance Spectral Estimation بدست آوردن مدل AR محاسبه تابع اتوکورولیشن محاسبه ضرایب فیلتر در MVSE بررسی تابع تبدیل فیلتر در فرکانس های مختلف ((گزارش متنی به همراه کدهای متلب))

به دست آوردن روابط میان سه پارامتر ضرایب اتوکورولیشن (r)، انعکاسی (k) و پارامترهای مدل (a) ،محاسبه پارامتر a و k با استفاده از دور لوینسون دوربین، به دست آوردن پارامترهای مدل به روش های مختلف، به دست آوردن ضرایب انعکاسی به روش های مختلف، به دست آوردن ضرایب اتوکورولیشن به روش های مختلف، بدست آوردن مدل تمام قطب درجه با استفاده از روش دور لوینسون، مقایسه تخمین های حاصل

بکارگیری شبکه های عصبی به منظور Speech processing شامل موارد: مقدمه ای بر اهمیت پردازش صوت ویژگی های سیگنال صوتی نحوه تشکیل سیگنال صوتی کاربردهای شبکه عصبی در تشخیص گفتار بررسی مدل های زبانی یا لغت نامه بررسی شبکه های باز گشتی بررسی کلاسیفایر ماشین های بردار پشتیبان (SVM) کلاس بندی آوا بر اساس SVM بررسی جداسازی کور کاربرد شبکه عصبی مصنوعی در تشخیص گوینده ((گزارش متنی به همراه کدهای متلب مورد ن ...

در این گزارش، توضیحات کامل به همراه شبیه سازی های مورد نیاز به منظور آموزش مدل های زیرلغوی وابسته به گوینده براساس مدل مخفی مارکوف در بازشناسی گفتار مورد استفاده و بررسی قرار می گیرد.

در این گزارش، توضیحات کامل به همراه شبیه سازی های مورد نیاز به منظور آموزش مدل های زیرلغوی براساس مدل مخلوط گوسی GMM در بازشناسی گفتار مورد استفاده و بررسی قرار می گیرد.

شبیه سازی چگونگی کاهش نویز سیگنال گفتار در حضور نویزهای ناایستا براساس الگوریتم آماری مبتنی بر مدل روان-شنوایی گوش انسان

گزارش تحلیلی به همراه بررسی گام به گام نحوه بکارگیری از دستورات جعبه ابزار HTK به منظور بازشناسی کلمات به کمک مدل مخفی مارکوف Hidden Markov Model

MVC معماری نرم افزاریی است که در حال حاضر به عنوان یکی از الگو های نرم افزاری در مهندسی نرم افزار مورد استفاده قرار می گیرد . این الگو منطق برنامه را از رابط کاربری به طور کامل جدا می سازد ، تا به توسعه دهندگان این امکان را بدهد تا توسعه ، تست و نگهداری نرم افزار را در واحد های مستقل انجام دهند. MVC مخفف سه کلمه Model (مدل) و View (نمایشگر) و Controller (کنترلگر) است.

جزوه آموزشی مدل مخفی مارکوف شامل بررسی فرضیات، تئوری ها، انواع مدل، معیارها، مسائل یادگیری، کاربرد در شناسایی گفتار و مسائل مربوط به الگوریتم های آموزش

جزوه آموزشی مدل هاي کانتور فعال Active contours -snakes و بازشناسی دیداري گفتار Visual Speech Recognition

شبیه سازی مثال های کتاب Dynamic simulation of machine در محیط Simulink