مقایسه تأثیر استفاده از بردارهای متفاوت ویژگی بر کارایی سیستم تایید هویت گوینده مبتنی بر مدلسازی گوینده توسط بردارهای هویت i-Vectors

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 552

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT08_146

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

گفتار یک پارامتر مناسب برای تشخیص هویت است که علاوه بر کاربرپسند بودن و پیچیدگی پیاده سازی کم، هزینه پایینی هم دارد. باوجود مزایای زیاد، این روش محدودیتهایی نیز دارد که از آن جمله می توان به کاهش دقت این روش در محیط های واقعی به دلیل حضورنویزهای مختلف اشاره کرد. تا کنون روش های گوناگونی برای حل این مشکل در مراحل مختلف سیستم تایید هویت گوینده یعنی استخراجویژگی، مدلسازی و مقایسه و امتیازدهی ارائه شده است که البته هیچکدام کامل نیست. در این مقاله تأثیر استفاده از چهار بردار ویژگیLFCC, IMFCC, MFCC و PNCC بر کارایی سیستم تایید هویت گوینده مبتنی بر مدلسازی گوینده توسط بردارهای هویت i-vectorدر شرایط گفتار تمیز و نویزی مورد ارزیابی و مقایسه قرار گرفته است. در پیاده سازی آزمون ها برای سیگنال گفتار و نویز به ترتیب ازدادگان های TIMIT و NOISEX92 استفاده گردید. نتایج آزمون ها نشان می دهد که در حضور نویز ویژگی های IMFCC و PNCC عملکردبهتری دارند. به منظور افزایش کارایی سیستم در شرایط نویزی استفاده از الگوریتم بهبود گفتار تفریق طیفی مورد بررسی واقع شد که تنهابرای سیگنال گفتار همراه با نویز سفید در برخی حالات عملکرد سیستم را تا حد قابل ملاحظه ای بهبود بخشید.

نویسندگان

محسن محمدی

پژوهشکده برق جهاد دانشگاهی، تهران

حمیدرضا صادق محمدی

پژوهشکده برق جهاد دانشگاهی، تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. de Luis-Garcia, C. Alb erola-Lopez, O. Aghzout, and J. ...
  • J. H. L. Hansen and T Hasan, "Speaker Recognition by ...
  • R. Saeidi, "Advances in Front-end and Back-end for Speaker Recognition, ...
  • T. Kinnunen and H. Li, "An overview of text- independent ...
  • C. Ma, Y. Kamp, and L. F. Willems, "Robust signal ...
  • C. Kim and . M. Stern, _ _ P ower-normal ...
  • J. Pelecanos and S. Sridharan, "Feature warping for robust speaker ...
  • T. Ganchev, I. Potamitis, N. Fakotakis, and G. Kokkinakis, _ ...
  • N. Dehak, P. Kenny, R. Dehak, P. Dumouchel, and P. ...
  • S. Chakroborty, A. Roy, S. Majumdar, and G. Saha, "Capturing ...
  • M. Sahidullah, T. Kinnunen, and C. Hanilki, "A comparison of ...
  • V.Zue, S. Seneff, and J. Glass, "Speech database development at ...
  • A. Varga and H. J. M. Steeneken, "Assessment for automatic ...
  • "The NIST Year 2008 Speaker Recognition Evaluation Plan, " [14] ...
  • M. Berouti, R. Schwartz, and J. Makhoul, "Enhancemet of speech ...
  • S. O. Sadjadi, M. Slaney, and L. Heck, "MSR Identity ...
  • نمایش کامل مراجع