روشی هوشمند برای تشخیص جنسیت صدای گوینده مبتنی بر شبکه عصبی MLP

سال انتشار: 1397
محل انتشار: سومین کنفرانس سیستم های تصمیم گیری هوشمند
کد COI اختصاصی: IDS03_117
زبان مقاله: فارسی
تعداد مشاهده: 655

نویسندگان

کارشناسی ارشد هوش مصنوعی، دانشگاه صنعتی امیرکبیر، دانشکده کامپیوتر

چکیده

مطالعات پزشکی نشان می دهد که ساختار سیستم صوتی آقایان بزرگ تر از سیستم صوتی خانم ها می باشد. از آنجایی که بسیاری از ویژگی های صوتی ناشی از اندازه و شکل اندام گویایی است پس این تفاوت مطمینا باید (حداقل) در یک ویژگی صوتی تاثیر بگذارد. یکی از این تاثیرها روی تفاوت فرکانسی است. فرکانس گفتار خانم ها و آقایان یکسان نیست. بنابراین اگر فرکانس پایه گفتار را در صوت تشخیص بدهیم بنابر محدوده فرکانسی گفتار قادر به تشخیص جنسیت گوینده هستیم که با روش های مختلفی می توان این فرکانس پایه را بدست آورد. در این مقاله، هدف شناسایی جنسیت گوینده از طریق واکه ها بر مبنای فرمنت و موج انتروپی wavelet و طبقه بندی بر اساس شبکه عصبی چند لایه ای رو به جلو می باشد. آزمایشات انجام شده نشان می دهد که این روش در مقایسه با الگوریتم های کلاسیک، دقت خوبی در شناسایی جنسیت گوینده دارد. یک نکته منحصر به فرد در این مقاله این است کهبرعکس کارهای گذشته، ویژگی ها از جملات و کلمات استخراج نمی گردند، بلکه برای این کار تنها از واکه ها استفاده می کنیم. مزیت استخراج ویژگی ها از واکه ها این است که هنگامی که فایل سخنرانی یا گفتار ناقص است و کلمات نیمه ثبت شده هستند، می توان از این روش برای شناسایی جنسیت گوینده استفاده کرد.

کلیدواژه ها

تعیین جنسیت، شبکه عصبی چند لایه ای رو به جلو، MLP، فرمنت، واکه wavelet Entropy

مقالات مرتبط جدید

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.