مقایسه روشهای استخراج ویژگیLPCC و MFCC برای شناسایی گوینده مستقل از متن

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 908

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM02_207

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

این مقاله تاثیر استخراج ویژگی بر کارایی سیستم شناسایی گوینده مستقل از متن را بررسی میکند. برای این منظور، دو روشLPCC ،MFCC انتخاب شده و مورد مقایسه قرار گرفتهاند. از مدل آمیخته گاوسی به منظور مدلکردن گوینده استفاده شده و جهت کاهش حجم محاسبات، ماتریس کواریانس قطری بکار گرفته شده است. آزمایشات انجام شده بر روی پایگاه داده استانداردTIMITنشان دادند که روش استخراج ویژگیMFCCبا به کار بردن مقایسبندی مل، نسبت به روش استخراج ویژگیLPCCبرای سیستم شناسایی گوینده مستقل از متن با ماتریس کواریانس قطری، درصد شناسایی بیشتری به دست میدهد. بعلاوه در روش استخراج ویژگیMFCC به دلیل استفاده از تبدیل کسینوسی گسسته، بردارهای ویژگی نسبت به روشLPCCحاوی بار اطلاعاتی بیشتری هستند و این باعث بهبود کیفیت کارایی سیستم میشود

نویسندگان

احمد معینی

آزمایشگاه پردازش سیگنال، دانشکده مهندسی برق، دانشگاه شاهرود.

هادی گرایلو

استادیار دانشکده مهندسی برق، دانشگاه شاهرود.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Mporas Iosif, Ganchev Todor, Siafarikas Mihalis and Fakotaks nikos, 2007 ...
  • Bilmes Jeff A. 1998, ":A Gentle Tutorial of the EM ...
  • Kesarkar Manish p. 2003, "Feature Extraction for Speech Recognition, " ...
  • Kinnunen Tomi and Haizzhou Li, 2010 _ Overview of Text ...
  • Overview of Speaker Identificatio. Accuracy and Robustness Issues" IEEE Circuis ...
  • Zeng Chun and Li Zhong, 2011 "Application of GMM in ...
  • نمایش کامل مراجع