حسین خالقی بیزکی - مجتمع دانشگاهی برق و کامپیوتر/ دانشگاه صنعتی مالک اشتر
مصطفی کاوانلویی - کارشناس ارشد/ دانشکده مهندسی برق و الکترونیک/ دانشگاه آزاد اسلامی واحد دماوند

هدف این مقاله توسعه یک سیستم شناسایی گوینده وابسته به متن با ارایه یک روش جدید در طبقه بندی گوینده میباشد. در این کار،یک سیستم شناسایی گوینده برای یک پایگاه داده 10 نفره که در محیط عادی اتاق و با یک میکروفن معمول یه دست توسط نویسنده فراهم ش ده، با موفقیت آزمایش شده است. ویژگی مورد استفاده، ضرایب کپسترال مبتنی بر معیارمل MFCC بوده که از گفتار افراد استخراج شده و به همراه مشتقات اول و دوم بردار ویژگی ذخیره شده است. با استفاده از چندی سازی برداری VQ حجم داده ها کاهش یافته و از طبقه بندی کننده ماشین بردار پشتیبان SVM با هسته چند جمله ای و هسته توابع پایه شعاعی جهت طبقه بندی گوینده ها استفاده شده است. نتایج نشان میدهد که الگوریتم پیشنهادی در سیگنال به نویز های باال قابلیت شناسایی قابل قبولی داشته اما با کاهش سیگنال به نویز، درصد شناسایی کاهش مییابد.

ضرایب کپسترال فرکانس مل، ماشین بردار پشتیبان، چندیسازی برداری، شناسایی گوینده وابسته به متن