فشرده سازي سيگنال با نرخ بيت متغير در کاربردهای مخابراتی که در آنها زمان تأخير پردازش دارای محدوديت جدی نبوده و يا ميزان آسيب پذيری پارامترهای ارسالی در کانال مخابراتی کم مي‌باشد، استفاده فراوان يافته است. روشهای به کارگرفته شده در اين خصوص عموماً بر استفاده بهينه از افزونگی‌های موجود در سيگنال متکی بوده و تمايز آنها در نرخ بيت نهايی، کيفيت سيگنال باز سازی شده و نياز محاسباتی روش مي‌باشد. اين مقاله روشی را برای فشرده سازی سيگنال گفتار با استفاده از مدل شناخته شده تخمين خطی ارائه مي‌دهد و با استفاده از مفهوم جديد ارائه شده در طبقه بندی سيکل‌ها و استخراج بخشهای آوايی با طول متغير، روش ساده و موثری برای استفاده بهينه از تشابه سيگنال در کاهش نرخ ارسال اطلاعات ارائه می‌گردد. تفاصيل المقالة

در این مقاله یک سیستم بازشناسی کلمات فارسی معرفی می‌شود که از خودهمبستگی محلی مرتبه بالای تصویر قطبی- لگاریتمی برای استخراج ویژگی از زیرکلمات فارسی استفاده می‌کند. این شیوه استخراج ویژگی باعث می‌شود سیستم در مقابل تغییرات نگارشی مانند تغییر مقیاس‌های خطی و چرخش مقاوم شود. همچنین به کمک تبدیل قطبی- لگاریتمی، نمونه‌برداری از تصویر زیرکلمه به صورتی انجام شده که بیشترین نمونه‌ها در یک ناحیه خاص متمرکز باشد. در روش ارائه‌شده از مدل مخفی مارکوف گسسته به عنوان طبقه‌بند و همچنین برای افزایش امنیت و دقت خروجی سیستم بازشناسی از یک شبکه واژه‌نامه استفاده شده و برای ارزیابی سیستم از پایگاه داده ایران‌شهر استفاده شده بود. مقایسه نتایج حاصل از روش پیشنهادی با نتایج سایر روش‌های استخراج ویژگی مؤید این است که سیستم بازشناسی پیشنهاد‌شده در این مقاله از حساسیت کمتری نسبت به تغییرات نگارشی برخوردار است. تفاصيل المقالة