استخراج ویژگی ترکیبی مقاوم در مقابل نویز برای سیستم های بازشناسی گوینده
Publish place: 13th Annual Conference of Computer Society of Iran
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 1,762
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ACCSI13_105
Index date: 16 November 2007
استخراج ویژگی ترکیبی مقاوم در مقابل نویز برای سیستم های بازشناسی گوینده abstract
با توجه به اهمیت مقاوم سازی سیستم های بازشناسی گویندة در مقابل انواع نویزهای محیطی در امکان استفادة عملی ا ز آنها، در این مقاله روش استخراج پیک های طیف دنبالة خودهمبستگی و نیز روش پس پردازشیMVA که هر دو از روش های مقاوم سازی سیستم های بازشناسی گفتار در مقابل نویز هستند، برای استفاده در سیستمهای تعیین هویت گوینده با ویژگی های رایجMFCC مقایسه شده اند. نتایج نشان دهندة مقاومت بیشتر پیک های طیف دنبالة خودهمبستگی در مقابل نویز همهمه و مقاومت بیشتر ضرائبMFCC نرمال شده با پس پردازشMVA در مقابل نویزهای کانولوشنی است. همچنین نتایج نشان می دهند که هر دو این روش ها علی رغم افزایش دقت بازشناسی در مقابل نویزها دقت بازشناسی در محیط تمیز را کاهش می دهند. به همین دلیل در این مقاله یک نوع روش استخراج ویژگی که از الحاق ویژگی های مذکور استفاده می کند، نیز پیشنهاده است که به میزان قابل توجهی می تواند بر مقاومت سیستمهای تعیین هویت گوینده در مقابل انواع نویزهای محیطی بیفزاید، بدون آنکه کارایی آن در محیط های تمیز با افت قابل توجهی مواجه شود.
استخراج ویژگی ترکیبی مقاوم در مقابل نویز برای سیستم های بازشناسی گوینده Keywords:
تعیین هویت گوینده , استخراج ویژگی , مقاوم سازی در مقابل نویز , ترکیب ویژگی ها و پیک های طیف خودهمبستگی
استخراج ویژگی ترکیبی مقاوم در مقابل نویز برای سیستم های بازشناسی گوینده authors
محمدمهدی همایون پور
عضو هیات علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنع
امیرحسین حاج احمدی
دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دا
محمد احدی
عضو هیات علمی دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر تهران، ایر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :