Вейвлет-анализ — мощный инструмент для анализа речи и акустических сигналов, особенно полезный, когда разборчивость речи ухудшается из-за таких факторов, как маски для лица. Пандемия COVID-19 высветила проблемы, которые маски создают для четкой коммуникации. Вейвлет-преобразование (WT) предлагает решение, интегрируя данные временной и частотной областей для улучшения распознавания речи.
Выбор подходящего «материнского вейвлета» имеет решающее значение для эффективного WT, поскольку разные вейвлеты дают разные результаты. Исследование использует технику COPRAS (COmplex PRoportional ASsessment) для определения оптимальной материнской вейвлет-функции для речевых сигналов при использовании масок или щитков для лица.
Такие метрики, как максимальный коэффициент взаимной корреляции (MCC) и максимальное отношение энергии к Шеннону (MEER), используются для ранжирования материнских вейвлет-функций. Этот метод устанавливает четкий протокол для выбора наиболее подходящих материнских вейвлетов для речевых сигналов в различных реальных условиях, где могут присутствовать маски. Вейвлет-преобразования улучшают системы распознавания образов, извлекая признаки, инвариантные к определенным преобразованиям, и могут улучшить производительность классификаторов в шумных средах.