بهبود كارايي سيستم هاي تصديق هويت گوينده ي مستقل از متن با استفاده از سيستم تشخيص ايمني مصنوعي

سيستم تصديق هويت گوينده، گوينده ي مدعي راب ا هويت مرجع تطبيق داده و با توجه به ميزان مطابقت، وي را قبول يا رد مي كن. در اين مقاله ايده ي استفاده از سيستم تشخيص ايمني مصنوعي(AIRS) به عنوان روشي براي مدل سازي گويندگان پيشنهاد شده است. براي ساخت مدل از بخشي از دادگان Timitو MFCCويژگي و مشتقات مرتبه ي اول آن استفاده شده است. سيستم پيشنهادي كارايي روي دادگان بدون نويز و به طور ميانگين 77.04% روي داده هايي با انواع نويز و با SNRهاي مختلف از حود نشان داده است كه دقت خوبي براي سيستم تصديق هويت گوينه به شمار مي رود. نتايج حاصل از عملكرد AIRS با كارايي روش هايي تمايزي ديگري مثل شبكه ي عصبي MLP، و LVQروشSVM مقايسه شده است كه نتايج نشان مي دهد عملكردAIRS نسبت به ساير روش ها بهتر است ضمن اين كه مدل ساخته شده به روشAIRS در شرايط نويزي مقاومت بيشتري از خود نشان مي دهد و افت دقت كمتر به ساير روش ها دارد