ادغام دو ویژگی MFCC و LPCC با استفاده از الگوریتم PSO برای تشخیص جنسیت گوینده

شناسایی هویت گوینده در داده های صوتی ، باعث جهش در جمع آور ی اطلاعات سیگنال ی شده است ، به این منظور ویژگی های ضرایب کپسترال بر پایه مل MFCC و ضرایب کپسترال بر پایه پیش گویی خطی LPCC دو ویژگی موفق در زمینه دسته بندی های حوزه گفتار، مخصوصا تشخیص جنسیت گوینده صدا شناخته می شوند. این ویژگی های گفته شده چند بعدی هستند ، اما همه ضرایب موجود در این ویژگی ها تاثیر مثبت در افزایش دقت دسته بندی ندارند و تعدادی از ضرایب با تاثیر منفی خود سبب کاهش دقت دسته بندی می شوند. در این مقاله یک روش جدید ارائه شده است که با استفاده از الگوریتم PSO ضریب هایی از این دو ویژگی که باعث افزایش دقت دسته بندی می شوند را انتخاب و ضرایبی که تاثیر منفی در افزایش دقت دسته بندی دارد را حذف می کند. ضرایب مفید با هم ادغام می شوند و از آن برای تشخیص جنسیت گوینده صدا استفاده می گردد. نتایج نشان می دهد صحت تشخیص جنسیت گوینده صدا برای ۵۰ صدای مرد و زن مختلف با استفاده از روش پیشنهادی بیشتر بوده است و صحت دسته بندی برای ۵۰ صدای مرد و زن مختلف در محیط غیر نویزی ۱۰۰ درصد بوده است . بررسی ها نشان داده است که ضرایب بهینه در پنج محیط نویزی تست شده با هم فرق دارند و هر محیط نویزی ضرایب بهینه مخصوص به خود را دارد که باید از آن ضرایب برای آموزش استفاده گردد. بعد از اعمال ضرایب بهینه مخصوص به هر محیط به دقت دسته بندی ۹۰ درصد در تمامی محیط های نویزی رسیدیم .

کلیدواژه ها:

تشخیص جنسیت گوینده صدا ، دسته بندی SVM ، ویژگی MFCC ، ویژگی LPCC ، مقاوم سازی در برابر نویز.