TY - JOUR T1 - Classification of noise-robust speech features in the speaker authentication system (Research Article) TT - طبقه‌بندی ویژگی های گفتار مقاوم به نوفه در سامانه تعیین هویت گوینده (مقاله پژوهشی) JF - joasi JO - joasi VL - 9 IS - 1 UR - http://joasi.ir/article-1-192-fa.html Y1 - 2021 SP - 28 EP - 39 KW - Classification of speech features KW - Speaker authentication KW - Noise-robust KW - Speech signal KW - Noise. N2 - 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. M3 ER -