Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 636199)
Контекстум
Руконтекст антиплагиат система
Датчики и системы. Sensors & Systems  / №7 (170) 2013

ИДЕНТИФИКАЦИЯ ДИКТОРА ПО СПЕКТРАЛЬНЫМ ХАРАКТЕРИСТИКАМ РЕЧЕВОГО СИГНАЛА (150,00 руб.)

0   0
Первый авторГай
Страниц6
ID599099
АннотацияОписан метод текстонезависимой идентификации диктора и вся последовательность этапов решения задачи идентификации. Разработанный алгоритм основан на использовании теории активного восприятия, адаптированной к анализу речевых сигналов. Приводятся результаты экспериментов
УДК534.87
Гай, В.Е. ИДЕНТИФИКАЦИЯ ДИКТОРА ПО СПЕКТРАЛЬНЫМ ХАРАКТЕРИСТИКАМ РЕЧЕВОГО СИГНАЛА / В.Е. Гай // Датчики и системы. Sensors & Systems .— 2013 .— №7 (170) .— С. 42-47 .— URL: https://rucont.ru/efd/599099 (дата обращения: 21.05.2024)

Предпросмотр (выдержки из произведения)

К содержанию УДК 534.87 ИДЕНТИФИКАЦИЯ ДИКТОРА ПО СПЕКТРАЛЬНЫМ ХАРАКТЕРИСТИКАМ РЕЧЕВОГО СИГНАЛА1 В. Е. Гай Описан метод текстонезависимой идентификации диктора и вся последовательность этапов решения задачи идентификации. <...> Разработанный алгоритм основан на использовании теории активного восприятия, адаптированной к анализу речевых сигналов. <...> Ключевые слова: цифровая обработка сигналов, теория активного восприятия, идентификация диктора. <...> ВВЕДЕНИЕ Идентификация диктора — процесс определения личности по образцу голоса путем сравнения данного образца с шаблонами, сохраненными в базе [1]. <...> Существуют различные варианты задач идентификации: текстозависимая и текстонезависимая идентификация, идентификация на открытом и закрытом множествах пользователей. <...> Этап идентификации заключается в построении базы эталонов, т. е. в определении структуры наблюдаемого сигнала [2, 3], для чего в соответствии со сложившимся подходом используется кратковременный анализ речевого сигнала [1]. <...> Далее, по каждому окну вычисляются акустические признаки: мел-кепстральные коэффициенты, перцептуальные коэффициенты линейного предсказания, кепстральные коэффициенты линейного предсказания. <...> Описание признаков для текстозависимой идентификации обычно основано на использовании следующих моделей: динамическое искажение времени (Dynamic Time Warping, DTW), скрытые марковские модели (Hidden Markov Model, HMM). <...> Для текстонезависимой идентификации используют: векторное квантование (Vector Quantization, VQ), модель гауссовых смесей (Gaussian Mixture Model, GMM), метод опорных векторов (Support Vector Machine, SVM). <...> Подробное описание указанных признаков и моделей содержится в [1]. <...> 40 При формировании спектрального представления выполняется выявление в речевом сигнале информации, релевантной для решения задачи распознавания по голосу, т. е. информации об индивидуальных особенностях голоса человека. <...> Необходимо отметить, что метод кепстрального представления, т. е. обратного Фурье-преобразования <...>