شناسايي گوينده وابسته به متن با استفاده از الگوريتم خوشه بندي k-means و روش دسته بندي svm

Text based Speaker Identification Using K-means-clustering and SVM Classification

هدف اين مقاله توسعه يك سيستم شناسايي گوينده وابسته به متن با ارائه يك روش جديد در طبقه بندي گوينده مي باشد. در اين كار،يك سيستم شناسايي گوينده براييك پايگاه داده 10 نفره كه در محيط عادي اتاق و با يك ميكروفن معمولي هِدسِت توسط نويسنده فراهم شده، با موفقيت آزمايش شده است. ويژگي مورد استفاده، ضرايب كپسترال مبتني بر معيار مِل(mfcc) بوده كه از گفتار افراد استخراج شده و به همراه مشتقات اول و دوم بردار ويژگي ذخيره شده است. با استفاده از چندي سازي برداري (vq ) حجم داده ها كاهش يافته و از طبقه بندي كننده ماشين بردار پشتيبان(svm) با هسته چند جملهاي و هسته توابع پايه شعاعي جهت طبقهبندي گوينده ها استفاده شده است. نتايج نشان مي دهد كه الگوريتم پيشنهادي در سيگنال به نويز هاي بالا قابليت شناسايي قابل قبولي داشته اما با كاهش سيگنال به نويز، درصد شناسايي كاهش مييابد.

The purpose of this paper is to develop a text-based speakerIdentification system by providing a new method for speaker classification. In this work، a speaker identification system has been successfully tested for a 10-person database provided by the authors in the normal room environment with a standard headset microphone.The Mel Frequency Cepstral Coefficient (MFCC) is used as a discriminating feature which is extracted from the speech of individual persons and stored with the first and second derivatives as a property vector.Using Vector Quantization (VQ)، the data has been reduced and the SupportVector Machine (SVM) with the radial base functions and polynomial core to classify the speakers.The simulation results show that the proposed algorithm has acceptable detection capability in high Signal to Noise Ratio (SNR)، but detection percentage decreases by decreasing the signal-to-noise ratio.