بهبود راندمان بازشناسی گوینده با استفاده از ترکیب ویژگیهای LAR و PLP
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 533
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_137
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
این مقاله ویژگی جدیدی برای تعیین هویت گوینده بنام LAP را ارائه می دهد. LAP تا حد زیادی به ویژگی نسبت سطح لگاریتم (LAR) وابسته می باشد. ویژگی LAP از ویژگی پیشگوئی خطی ادراکی (PLP) بدست آمده و مقاومتر از ویژگی LAR در برابر نویز می باشد. در این مقاله میزان اهمیت ترکیب ویژگی ها به منظور بهبود در نرخ بازشناسی گوینده سنجیده شده است. برای این منظور نمونه های گفتار آموزشی و آزمایشی به نسبت 9 به 1 از کل دادگان TIMIT استخراج شده است. در ابتدا سکوت از گفتار گویندگان حذف و سپس جهت اعمال شرائط متفاوت آموزش و آزمایش، نسبت سیگنال به نویز فایل های صوتی به مقادیر 5- و 0 و 5 و 10 دسی بل تغییر داده شده است. ضرایب LAR و PLP از گفتار گویندگان استخراج و مدل های GMM گویندگان ساخته شده اند. سپس آزمایش های تعیین هویت با دادگان تمیز و دادگان نویزی انجام شده که از این بین ویژگی LAR از ویژگی PLP در تمام حالات بهتر تشخیص داده شده است. در نهایت ترکیب ویژگی های فوق مورد آزمایش قرار گرفت که روش پیشنهادی LAP باعث افزایش راندمان بازشناسی گوینده به ترتیب به مقدار 2.1 و 2.9 درصد نسبت به ویژگیهای LAR و PLP شده و نرخ بازشناسی گوینده به 98.9% رسیده است.
کلیدواژه ها:
نویسندگان
مسعود قراچورلوئی
سازمان پژوهشهای علمی و صنعتی ایران تهران،ایران
غلامرضا فراهانی
دانشجوی کارشناسی ارشد، عضو هیئت علمی پژوهشکده برق و فناوری اطلاعات تهران،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :