سال 10، شماره 2 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران پاییز و زمستان 1401 )
جلد 10 شماره 2 صفحات 20-11 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asgari M, Akbari N, Aghagolzade M, Mehrabikia M. Telephone robustness speaker verification using time delay neural network (Research Article). مجله علمی پژوهشی انجمن علوم صوتی ایران 2023; 10 (2) :11-20
URL: http://joasi.ir/article-1-231-fa.html
URL: http://joasi.ir/article-1-231-fa.html
عسگری محمد، اکبری نرگس، آقاگلزاده مهران، محرابی کیا محمدصادق. تأیید هویت گویندۀ مقاوم به شرایط تلفنی با استفاده از شبکۀ عصبی تأخیر زمانی (مقاله پژوهشی). مجله علمی پژوهشی انجمن علوم صوتی ایران. 1401; 10 (2) :11-20
چکیده: (657 مشاهده)
در این تحقیق الگوی شبکۀ عصبی تأخیر زمانی و بردار- x به منظور مقاومسازی در برابر نوفه و صافی کردن (فیلترینگ) بسامدی ناشی از ارتباط تلفنی ارایه گردیده است. از ضرایب کپسترال بسامد مل به عنوان ویژگی صوتی مرتبط با گوینده به عنوان ورودی این الگو استفاده شده است. خروجی شبکۀ عصبی این الگو به‌صورت یک بردار- xدر نظر گرفته شده است تا بتواند در مرحلۀ تصمیم‌گیری از آن استفاده شود. در مرحلۀ تصمیم‌گیری از تحلیل تفکیک خطی احتمالاتی به‌منظور امتیازدهی و مقایسه استفاده شده است. به‌منظور افزایش دقت و کاهش نرخ خطای برابر، داده‌های آموزشی ترکیبی از دادگان نسبتاً تمیز وُکس‌سِلِب1، 2 و دادگان تلفنی کال‌هوم و هم‌چنین دادگان نوفه‌ای و تلفنی به‌دست آمده از روش داده‌افزایی هستند. نتایج حاصل از به‌کارگیری این شیوه برای نرخ خطای برابر در حالت تمیز 3/09 درصد است که نسبت به الگوهای پایه در بدترین حالت در حدود 0/15 درصد (3/24 درصد در کارهای پیشین به‌دست آمده است) و در بهترین حالت 6/93 درصد (10/2 درصد در کارهای پیشین به‌دست آمده است) بهبود یافته است. در زمانی که آموزش با دادگان وُکس‌سِلِب1، 2 و دادگان کال‌هوم به عنوان تطبیق استفاده شده است، نرخ خطای برابر معادل 4/95 درصد به‌دست آمده است. در بدترین حالت زمانی که فقط دادگان وُکس‌سِلِب1 به تلفنی تبدیل شده، نرخ خطای برابر معادل با 14/34 درصد شده است.
واژه‌های کلیدی: تأیید هویت گوینده، شبکۀ عصبی تأخیر زمانی، بردار- x، ضرایب کپسترال بسامد مل، احتمال تحلیل تفکیک خطی.
نوع مطالعه: پژوهشي |
موضوع مقاله:
آوافیزیک
دریافت: 1400/9/24 | پذیرش: 1401/10/7 | انتشار: 1401/12/28
دریافت: 1400/9/24 | پذیرش: 1401/10/7 | انتشار: 1401/12/28
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |