استخراج ویژگی مبتنی بر ترکیب ویژگیهای SSC و PLP جهت بهبود راندمان بازشناسی گوینده
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 847
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_136
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در این مقاله میزان اهمیت ترکیب ویژگی ها جهت بهبود بازشناسی گوینده سنجیده شده است. برای این منظور نمونه های گفتار آموزشی و آزمایشی از کل دادگان TIMIT به نسبت 9 به 1 استخراج شده است. در ابتدا سکوت از گفتار گویندگان حذف و سپس جهت اعمال شرائط متفاوت آموزش و آزمایش، نسبت سیگنال به نویز فایل های صوتی به مقادیر 5- و 0 و 5 و 10 دسی بل تغییر داده شده است. ضرایب SSC و PLP از گفتار گویندگان استخراج و مدلهای GMM گویندگان ساخته شده و سپس آزمایش های تعیین هویت با دادگان تمیز و دادگان نویزی انجام پذیرفته است. در مقایسه بین ویژگی های مختلف برای بازشناسی گوینده، نتایج پیاده سازی نشان می دهد که ضرایب SSC از ویژگی دیگر در نسبت سیگنال به نویزهای مختلف، دارای نتایج بهتری است. همچنین ترکیب ویژگی های SSC و PLP مورد بررسی قرار گرفت که باعث افزایش راندمان بازشناسی گوینده به ترتیب به مقدار 1.8 و 2.9 درصد شده که نرخ بازشناسی گوینده به مقدار 98.9% رسیده است.
کلیدواژه ها:
نویسندگان
مسعود قراچورلوئی
سازمان پژوهشهای علمی و صنعتی ایران تهران،ایران
غلامرضا فراهانی
دانشجوی کارشناسی ارشد، عضو هیئت علمی پژوهشکده برق و فناوری اطلاعات تهران،ایران
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 :