تعیین و تصدیق هویت گوینده بر روی خط تلفن به کمک یک سیستم هیبرید مقاوم در برابر نویز و اثر انتقال کانال همراه با نرمالیزاسیون امتیازات

در این مقاله یک سیستم کارآمد برای تعیین و تصدیق هویت گوینده معرفی می شود که در برابر نویز و اثر کانال انتقال مقاوم است. با استفاده از تکنیک آمیختن داده ها، دو سیستم HMM و GMM، موازی شده و یک سیستم ترکیبی را برای کاربرد در تعیین و تصدیق هویت گوینده بر روی خط تلفن تشکیل داده اند. آزمایشها نشان می دهد که مدل ترکیبی HMM+ GMM در بازشناسی گوینده از هر یک از سیستمهای HMM وGMM بهتر عمل می کند. برای مقابله با نویز جمع شونده، از روش تفاضل طیفی و نیز از معیار تصویر وزن دهی شده، و برای جبران سازی اثر کانال تلفن از روش تفاضل میانگین در حوزه کپسترال استفاده شده است که هر سه روش موجب بهبود سیستم بازشناسی گوینده شده اند. برای جمعیت 100 نفری گویندگان (61 مرد و 39 زن) و بر روی پایگاه داده تلفنیFARSDIGITS1 با SNR=8.8 dB به ازای داده های آزمایشی، نرخ صحت تعیین هویت گوینده برای جمعیت 100 نفری برابر 95.51% و نرخ خطا در تصدیق هویت گوینده 0.37% به دست آمده است. چند روش نرمالیزاسیون امتیازات در سطح گویش و در سطح فریم و نیز روش وزن دهی امتیازات مدل برای افزایش کارایی سیستمهای تصدیق و تعیین هویت گوینده به کار رفته و نشان داده شده که این روش ها به افزایش تمایز بین گویندگان و در نتیجه کاهش خطا در سیستمهای تصدیق و تعیین هویت گوینده منجر می شوند. بر روی پایگاه داده تلفنی FARSDIGITS1، استفاده از روش های نرمالیزاسیون امتیازات، کارایی سیستم شناسایی گوینده مبتنی بر مدل مخلوط گاوسی در حالت نرمالیزه نشده را در تعیین و تصدیق هویت گوینده به ترتیب از 95.34% (صحت) و 3.25% (خطا)، به 95.51% (صحت) و 0.33% (خطا) در حالت نرمالیزه شده بهبود می بخشد که بویژه برای تصدیق هویت گوینده این بهبود بسیار چشمگیر است.