CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود عملکرد سیستم مستقل از متن تصدیق هویت گوینده برای گفتار آلوده به نویز با ترکیب دو روش GMM-UBM I-Vector PLDA

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۳۴ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: SPIS04_016
زبان مقاله: فارسی
حجم فایل: ۴۵۸.۵۸ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود عملکرد سیستم مستقل از متن تصدیق هویت گوینده برای گفتار آلوده به نویز با ترکیب دو روش GMM-UBM I-Vector PLDA

  محسن محمدی - دانشجوی دکتری برق/مخابرات سیستم، گروه پژوهشی سنجش، پردازش کنترل، پژوهشکده برق
  حمیدرضا صادق محمدی - دانشیار پژوهش، گروه پژوهشی سنجش، پردازش کنترل، پژوهشکده برق جهاد دانشگاهی، تهران

چکیده مقاله:

بهره گیری از نمونه سیگنال گفتار برای تصدیق هزیوت افراد با وجود مزایای فراوان، محدودیت هایی را نیز به دنبال دارد که از آن جمله می توان به کاهش دقت این شیوه در محیط های واقعی به دلیل حضور نویزهای متفاوت عوارض کانال اشاره کرد. روش های گوناگونی تاکنون برای کاهش این مشکلات در بخش های مختلف سیستم تصدیق هویت گیرنده یعنی استخراج ویژگی، مدل سازی مقایسه امتیازدهی اریه شده اند. روش نسبتا جدید I-Vector PLDA که عملکرد بسیار موفقی به خصوص در جبران اثرات منفی کانال دارد، در شرایط عدم تطبیق بین داده های آموزش آزمون دچار افت کارایی شدیدی می شود. ترکیب روش های مختلف در مراحل گوناگون، راه حلی مرسوم برای بهبود کارایی سیستم های تشخیص هویت است. در این مقاله تاثیر ترکیب روش های متفاوت در مرحله امتیازدهی بر عملکرد سیستم تصدیق هویت گوینده، برای دو روش GMM-UBM I-Vector PLDA، در شرایط گفتار تمیز نویزی مورد ارزیابی مقایسه قرار گرفته است. در پیاده سازی آزمون ها دو بردار ویژگی MFCC PNCC به خدمت گرفته شده برای سیگنال گفتار نویز به ترتیب از دادگان های TIMIT NOISEX-92 استفاده گردیده است. نتایج آزمون ها نشان می دهد که ترکیب امتیازهای حاصل از روش های متفاوت خطای سیستم تصدیق هویت گوینده را در شرایط عدم تطبیق، یعنی داده های آموزشتمیز آزمون نویزی، کاهش می دهد این کاهش در برخی حالات بسیار چشمگیر است.

کلیدواژه‌ها:

تصدیق هویت گوینده، ترکیب امتیازها، گفتار نویزی، بردار هویت، GMM-UBM،I-Vector

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-SPIS04-SPIS04_016.html
کد COI مقاله: SPIS04_016

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمدی, محسن و حمیدرضا صادق محمدی، ۱۳۹۷، بهبود عملکرد سیستم مستقل از متن تصدیق هویت گوینده برای گفتار آلوده به نویز با ترکیب دو روش GMM-UBM I-Vector PLDA، چهارمین کنفرانس پردازش سیگنال سیستم های هوشمند، تهران، دانشگاه صنعتی امیرکبیر، https://www.civilica.com/Paper-SPIS04-SPIS04_016.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (محمدی, محسن و حمیدرضا صادق محمدی، ۱۳۹۷)
برای بار دوم به بعد: (محمدی و صادق محمدی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.