تشخیص سن از روی سیگنال صوتی با استفاده از طیف گفتاری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,065

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

POWERMINOO02_044

تاریخ نمایه سازی: 30 بهمن 1394

چکیده مقاله:

برآورد سن از طریق ویژگی های گفتار انسان یک موضوع جالب در تشخیص خودکار صدا است. اگرچه مطالعات زیادی در این زمینه وجود دارد اما نیاز به مطالعات بیشتر به ویژه برای گویندگان فارسی زبان وجود دارد. در برآورد سن مانند سایر سیستم های پردازش صدا ما با دو چالش اساسی روبه رو هستیم، ابتدا پیدا کردن روشی مناسب برای استخراج ویژگی های صدا و سپس انتخاب یکروش قابل اعتماد برای الگوی طبقه بندی. در این مقاله ما یک سیستم تخمین سن برای طبقه بندی چهار گروه سنی مختلف پیشنهادکرده ایم. ضرایب پیش بینی خطی ادراکی و ضریب کپسترال مل- فرکانس به عنوان ویژگی های گفتار استخراج و مدل پرسپترون چندلایهبرای روش طبقهبندی استفاده شده است. در نهایت، نتایج حاصل از این تحقیق با روش ماشین بردار پشتیبانمقایسه شده است. براین اساس ما توانستیم با کمک شبکه عصبی از نوعپرسپترون چند لایه درصد خطا را نسبت به روش ماشین بردار پشتیبان، به میزان قابل توجهی بهبود دهیم. هدف اصلی ما ایجاد یک سیستم خودکار سریع جهت تخمین سن افراد و همچنین بالا تر بردن دقت تخمین سن می باشد

کلیدواژه ها:

تخمین سن ، ماشین بردار پشتیبان ، شبکه عصبی پرسپترون چند لایه ، ، ضرایب پیش بینی خطی ادراکی ، ضرایب کپسترال مل فرکانسی

نویسندگان

امیر مزینی

دانشجوی کارشناسی ارشد، گروه برق، واحد بجنورد، دانشگاه آزاد اسلامی تربت حیدریه، ایران

محمد نصیری

دانشجوی دکتری، گروه برق، عضو هیات علمی دانشگاه آزاد اسلامی واحد بجنورد، مشهد، ایران-

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 :
  • D.Mahmoodi , A.Soleimani, H.Marvi, F.Razzazi, M.Taghizadeh, M.Mahmoodi, _ Age Estimation ...
  • T. Bocklet, A. Maier, J. G. Bauer, F. Burkhardt, and ...
  • R. Porat, D. Lange, and Y. Zigel, "Age recognition based ...
  • M. Bahari, M.McLaren, H.hamme, D.Leeuwen, " Age Estimation from Telephone ...
  • G.Dobry, R.M. Hecht, M.Avigal, and Y.Zigel, "Supervector Dimension Reduction for ...
  • Leonida, M. M. G." A time-delayed neural network approach to ...
  • Oglesby, J. , & Mason, J. S, "Optimisation of neural ...
  • Huang, W. , Lippmann, R. _ & Gold, B."A neural ...
  • Paliwal, K. K."A time-derivative neural net architecture-an alternative to the ...
  • M.Nishimoto , Y.Azuma , N.Miyamoto , T. X. Fujisawa , ...
  • S. M. Hughes, B.C. Rhodes, " MAKING AGE AS SESSMENTS ...
  • M.Li, K.J. Han, S.Narayanan, " Automatic speaker age and gender ...
  • M.Baharia, M.McLaren, H.hamme , D .vanLeeuwen, " Speaker age estimation ...
  • S.Mirhassani, A.Zourmand, and H.Ting, " Age Estimation Based _ Children's ...
  • B.R. Jawale, S .patil , M.Agrawal, "Identification of Age And ...
  • D. Kriesel, " A Brief Introduction to Neural Networks (ZETA2-EN) ...
  • نمایش کامل مراجع