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.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
پردازش علائم صوتی دریافت: 1399/6/20 | پذیرش: 1400/4/31 | انتشار: 1400/6/20