شناسایی گوینده در شرایط نوفه ای با استفاده از ویژگی های فیلتربانک گاماتون و تبدیل کسینوسی گسسته و قطبی

احراز هویت افراد بر مبنای صوت یکی از موارد مهم پژوهشی در دهه اخیر بوده است. این موضوع در حوزه هایی مانند ردیابی گویندگان، ورود امن گویندگان به دستگاه های مختلف و سایر سامانه های مربوط به پردازش گفتار، کاربرد فراوانی دارد. هدف از یک سیستم احراز هویت گوینده، تشخیص هویت افراد با استفاده از سیگنال صدای انسان می باشد. یکی از چالش های مهم موجود در حوزه احراز هویت گوینده، افزایش کارایی این سیستم در شرایط نوفه ای شدید می باشد. در این پژوهش با استفاده از فیلتربانک گاماتون و ارایه ویژگی جدیدی از تبدیل های کسینوسی گسسته و قطبی، روشی برای افزایش کارایی سیستم احراز هویت گوینده در شرایط نوفه ای شدید طراحی شده است. مقایسه نتایج روش پیشنهادی با روش های موجود نشان می دهد، روش پیشنهادی توانسته است با دقت بیشتری، هویت افراد را در شرایط نوفه ای مختلف شناسایی کند. روش پیشنهادی به صورت کمی در محیط نوفه سفید با نسبت سیگنال به نوفه 20، 10 و 5 به ترتیب 89، 77 و 61 درصد دقت و در محیط نوفه توامان خیابانی و سفید با نسبت سیگنال به اختلال 20، 10 و 5 به ترتیب 87، 71 و 51 درصد دقت داشته است. همچنین، دقت روش پیشنهادی در مقایسه با روش جدید ضرایب کپسترال فرکانس گاماتون بهبود یافته، به طور متوسط 4درصد، افزایش یافته است.