آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,712 |
| تعداد دریافت فایل اصل مقاله | 4,032,562 |
ارائه الگوریتم جدید مبتنی بر مدل مخلوط گوسی با استفاده از ویژگیهای ضرایب کپسترال نرمالیزه شده توانِ بر مبنای فیلتر کاکلی در سیستم تصدیق هویت گوینده | ||
| علوم و فناوریهای پدافند نوین | ||
| مقاله 6، دوره 9، شماره 4 - شماره پیاپی 34، دی 1397، صفحه 441-448 اصل مقاله (1.19 M) | ||
| نویسندگان | ||
| جعفر خلیل پور* 1؛ اسماعیل زارع زاده2 | ||
| 1دانشگاه پدافند هوایی خاتم الانبیباء(ص) | ||
| 2دانشگاه صنعتی امیرکبیر | ||
| تاریخ دریافت: 10 بهمن 1397، تاریخ بازنگری: 06 مرداد 1403، تاریخ پذیرش: 10 بهمن 1397 | ||
| چکیده | ||
| در این مقاله، یک الگوریتم استخراج ویژگیِ مبتنی بر سیستم شنوایی، بر اساس یک تبدیل زمانی- فرکانسی به نام تبدیل شنوایی (AT) و ضرایب کپسترال نرمالیزه شده توان(PNCC)، که یک ویژگی موفق در زمینه تشخیص گفتار و گوینده بوده است، پیشنهاد میگردد. به طور معمول عملکرد مدلهای صوتی که توسط دادههای بدون نویز(تمیز) آموزش داده میشوند، وقتی در شرایط نویزی مورد آزمایش قرار میگیرند به طور فزایندهای کاهش مییابد. ویژگی پیشنهادی که ضرایب کپسترال نرمالیزه شده توانِ مبتنی بر فیلتر کاکلی (CFPNCC) نامیده میشود تحت چنین شرایطی مقاومت بالایی را از خود بروز میدهد. ویژگی بارز الگوریتم پیشنهادی ترکیب مزیت‌های فیلتر بانک کاکلی با مزایای ویژگی PNCC است که مقاومت توأم در مقابل نویزهای ایستان و غیر ایستان را به همراه دارد. بهگونه‌ای که آزمایش‌های انجام‌شده بر روی پایگاه دادگان استاندارد SSC نشان میدهد، در سیستم تصدیق گوینده مبتنی بر مدل مخلوط گوسی، این ویژگی بهتر از ویژگی PNCC عمل میکند و بهطور کلی نسبت به سایر ویژگیهای متداول در زمینه تشخیص گوینده مانند MFCC و RASTA-PLP < /span> در شرایط نویزی نرخ خطای پایینتری را داراست. | ||
| کلیدواژه‌ها | ||
| تصدیق گوینده؛ استخراج ویژگی؛ مقاوم به نویز | ||
| عنوان مقاله [English] | ||
| Presenting A New Algorithm Based on GMM-UBM With Cochlear Filter- PNCC Feature for Speaker Verification | ||
| نویسندگان [English] | ||
| jafar khalilpour1؛ Esmail zarezadeh2 | ||
| چکیده [English] | ||
| In this paper, an auditory-inspired feature extraction algorithm based on a recently published time-frequency transform, i.e., auditory transform (AT) and the power normalized cepstral coefficients (PNCC) is proposed. Usually, the performance of acoustic models trained in clean speech drops significantly when tested on noisy speech.The proposed feature, called Cochlear Filter PNCC (CFPNCC), has shown strong robustness in the acoustic mismatch situations. An important feature of the proposed algorithm is the combination of advantages of the cochlear filter with the advantages of the PNCC feature, which has the resistance to both stationary noise and non-stationary noise. As shown in our experiments, in a GMM-UBM speaker verification system, CFPNCC outperforms the original PNCC and achieves the best overall results on the SSC database compared to the conventional features such as MFCC and RASTA-PLP under noisy conditions. | ||
| کلیدواژه‌ها [English] | ||
| peaker Verification, Feature Extraction, Noise Robustness | ||
|
آمار تعداد مشاهده مقاله: 513 تعداد دریافت فایل اصل مقاله: 216 |
||