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

XML English Abstract Print


Download citation:
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 انجمن علوم صوتی ایران (مهندسی صوتیات سابق) 2023; 10 (2) :11-20
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 انجمن علوم صوتی ایران (مهندسی صوتیات سابق). 1401; 10 (2) :11-20

URL: http://joasi.ir/article-1-231-fa.html


چکیده:   (728 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.
متن کامل [PDF 960 kb]   (413 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: آوافیزیک
دریافت: 1400/9/24 | پذیرش: 1401/10/7 | انتشار: 1401/12/28

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.