سال 9، شماره 1 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران بهار و تابستان 1400 )                   جلد 9 شماره 1 صفحات 39-28 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mirbeygi M, Mahabadi A, Ranjbar A. Classification of noise-robust speech features in the speaker authentication system (Research Article). , مجله انجمن علوم صوتی ایران (مهندسی صوتیات سابق). 2021; 9 (1) :28-39
URL: http://joasi.ir/article-1-192-fa.html
میربیگی محدثه، مه آبادی امین اله، رنجبر اکبر. طبقه‌بندی ویژگی های گفتار مقاوم به نوفه در سامانه تعیین هویت گوینده (مقاله پژوهشی). , مجله انجمن علوم صوتی ایران (مهندسی صوتیات سابق). 1400; 9 (1) :28-39

URL: http://joasi.ir/article-1-192-fa.html


چکیده:   (4406 مشاهده)
تشخیص­ خودکار هویت ­گوینده کاربردهای وسیعی در سامانه­ های صنعتی و امنیتی دارد و وابسته به ویژگی علامت گفتار است. کاربرد ماتریس ویژگی در شناسایی بی­ درنگ گوینده بسیار مهم و وجود نوفه محیطی و پردازشی منجر به تغییر مشخصات ویژگی­ ها و تولید خطا در تعیین ­هویت است. افزایش ­دقت در تشخیص هویت به فرایند حذف ­نوفه برای تعیین صحیح ویژگی‌های انرژی، آنتروپی انرژی، نرخ عبور از صفر، مرکز ثقل طیفی، گسترش طیفی، آنتروپی طیفی، شار طیفی، و رل­ آف طیفی از علامت ­گوینده نیاز دارد. در طراحی الگوریتم‌های بی­درنگ و قابل ­اعتماد، فرایندهای مهم استخراج صحیح گفتار، شناسایی میزان­ حساسیت و سنجش میزان ­مقاومت مؤلفه‌های علامت برای حذف نوفه و بهبود کیفیت­ گفتار در بهبود علامت ­به نوفه نقش اساسی دارند. هدف اصلی این مقاله ارایه روش طبقه‌بندی ویژگی­­ های علامت گفتار جهت طراحی الگوریتم ­های بی­ درنگ تعیین­ هویت گوینده و مقاوم ­به نوفه با سنجش میزان مقاومت آن است. روش پیشنهادی حذف ­نوفه از ماسک دودویی با ویژگی­ مقاوم مشخص­ بهره­ می­ برد و نتایج تجربی آزمایش‌ها روی داده­ ها، بهبود علامت ­به نوفه 2 الی 3 دسی ­بل را نشان می‌دهد. ارزیابی ماتریس ویژگی در سامانه تشخیص هویت از ضریب کپسترال بسامد­مل و ضریب­ پیشگویی خطی و ضریب­کپستروم تشکیل­ شده که با روش فاصله­ یابی اقلیدسی در مجموعه ­داده ­های استاندارد ارزیابی شده­ است. روش پیشنهادی با وجود داده ­های نوفه­ای توانسته قدرت تشخیص تعیین هویت ­گوینده را به دقت بالای 80 درصد و سرعت بی­ درنگ افزایش دهد.
 
متن کامل [PDF 867 kb]   (1923 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: پردازش علائم صوتی
دریافت: 1399/6/20 | پذیرش: 1400/4/31 | انتشار: 1400/6/20

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.