جهانشاه کبودیان - پژوهشکده پردازش هوشمند علائم RCISP تهران
حمیدرضا شجاع مودب
جواد شیخ زادگان

دراین مقاله یک سیستم جستجوگر و آشکارساز گوینده مستقل از متن که برای بکارگیری در محیطهای نویزی و عملیاتی طراحی و پیاده سازی شده است معرفی میگ ردد دراولین مرحله از پردازش سیستم فوق با استفاده از یک اشکارساز گفتار VAD مقاوم که در محیط های نویزی و با SNR پایین کارایی بسیار خوبی داردسیگنال گفتار را از سکوت جدا می کند درمرحله استخراج ویژگی از پارامترهای کپسترال MFCC و مشتقات آن که نسبت به پارامترهای کپسترال LPCC مقاومت بیشتری در برابرنویز دارند استفاده می نماید برای رسیدن به بهترین تخمین از پارامترها در مدل مخلوط گاوسی GMM از آموزش دو مرحله ای خوشه بندی سلسله مراتبی و سپس تخمین EM بهره جسته ایم و برای آنکه خاصیت تعمیم مدلها برروی داده های نادیده مطلوب باشد تعداد توابع گوسی در مدل مخلوط گاوسی بصورت تطبیقی تعیین شده است.

آشکارسازی گوینده، مدل مخلوط گاوسی، محیط های نویزی و واقعی