استخراج ویژگی مبتنی بر ترکیب ویژگیهای SSC و PLP جهت بهبود راندمان بازشناسی گوینده

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:

بازشناسی گوینده ، مدل مخلوط گوسی ، استخراج ویژگی ، دادگان TIMIT