تشخیص خودکار گوینده مبتنی بر ویژگی های استخراج شده از بانک فیلتر گابور و شبکه های عصبی کانولوشنال
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
صدای یک انسان حاوی خصوصیاتی از قبیل: قومیت، جنسیت، احساس، سن و اطلاعات دیگری از فرد است و موضوع تشخیص گوینده به شناسایی هویت افراد بر اساس صدای آنها می پردازد. اگرچه محققان در طول سال های گذشته در این زمینه فعالیت داشته اند و روش هایی برای بهبود دقت تشخیص گوینده پیشنهاد داده اند اما هنوز چالش هایی در این زمینه وجود دارد. در این مقاله یک روش جدید تشخیص گوینده مبتنی بر فیلترهای گابور و شبکه های عصبی کانولوشنال ارایه شده است. در روش پیشنهادی، ابتدا اسپکتروگرام سیگنال صحبت فرد تشکیل می شود. سپس با طراحی موثر فیلترهای گابور، بانک فیلتر گابور ایجاد می گردد. در مرحله ی بعد اسپکتروگرام سیگنال از بانک فیلتر گابور عبور داده شده و ویژگی های سیگنال صحبت استخراج می شود. در مرحله ی آخر با استفاده از یک شبکه ی عصبی کانولوشنال، گوینده شناسایی می شود. برای ارزیابی روش پیشنهادی از دو پایگاه داده ی Aurora2 و TIMIT استفاده شده است. نتایج نشان می دهد که روش پیشنهادی دقت بهتری نسبت به روش های پیشین دارد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
49 تا 67
لینک کوتاه:
magiran.com/p2598410
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!