ارائه چند روش ترکیبی جهت تقویت پارامترها در برابر شرائط غیر متعارف در سیستم های تعیین هویت گوینده
- سال انتشار: 1384
- محل انتشار: دومین کنفرانس بین المللی فناوری اطلاعات و دانش
- کد COI اختصاصی: ICIKT02_048
- زبان مقاله: فارسی
- تعداد مشاهده: 1391
نویسندگان
استادیار ، آزمایشگاه سیستم های هوشمند صوتی و گفتاری، دانشکده مهندسی ک
کارشناسی ارشد مهندسی کامپیوتر، آزمایشگاه سیستم های هوشمند صوتی و گفت
چکیده
در این مقاله به بررسی بعضی روشهای مقابله با نویز ، عوامل مزاحم روی خط تلفن، تاثیرات کانال و نوع میکروفن نظیر تکنیک وزندهی خطی، تکنیک لیفتر کردن میانگذر، تکنیک PFL و ضرائب دینامیکی دلتا کپسترال بتنهائی یا در ترکیب با یکدیگر در کارائی تعیین هویت گوینده پرداخته ایم. بدین جهت گفتار 50 گوینده برای اموزش مدلهای گویندگان و آزمایش سیستم، از دادگان گفتار فارسی دات تلفنی استفاده گردید. ابتدا سکوت از گفتارگویندگان حذف و سپس جهت اعمال شرائط متفاوت آموزش و آزمایش، نسبت سیگنال به نویر فایلهای صوتی به مقادیر 5، 10، 15 و 20 دسی بل تغییر داده شد. ویژگی مورد استفاده ضرائب کپسترال مبتنی بر معیار مل می باشد . اکثر روشهای فوق باعث بهبود عملکرد سیستم تعیین هویت شدند و روش وزندهی خطی از بین این روشها نسبت به روش استفاده از ضرائب کپسترال مبتنی بر معیار مل بتنهائی و بدون حذف ضریب اول کپستروم، بهترین روش مقاوم سازی در برابر نویز و تاثیرات کانال انتقال تشخیص داده شد. همچنین در این مقاله ترکیبهای جدیدی از روش های فوق ارائه گردیده است که با توجه به نتایج بدست آمده در افزایش مقاومت سیستم در برابر فاکتورهای محیطی بسیار موثر می باشند. بهترین نتیجه بدست امده ترکیب ضرائب کپسترال مبتنی بر معیار مل و اعمال روش وزندهی خطی در یک بردار ویژگی همراه با ضرائب دلتا می باشد که موجب افزایش 5/4% در میانگین راندمان سیستم بازاء داده های اموزشی و 2/39% بازاء داده های آزمایشی گردید.کلیدواژه ها
تعیین هویت گوینده ، شرایط غیر متعارف ، ضرایب کپسترال ، فارس دات ، وزن دهی ضرایبمقالات مرتبط جدید
- تحلیل مقایسه ای معیارهای ارزیابی نظریه ذهن: پل زدن بین شناخت انسانی و مصنوعی
- تولید محتوا با قدرت هوش مصنوعی: تحول بازاریابی دیجیتال
- دوخت تصاویر تهیه شده توسط پهپاد با استفاده از یادگیری عمیق بدون نظارت
- Stitching of drone images using unsupervised deep learning
- بررسی کاربردهایی از منطق فازی در حل مسائل مهندسی عمران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.