ارائه الگوريتم جديد مبتني بر مدل مخلوط گوسي با استفاده از ويژگي‌هاي ضرايب كپسترال نرماليزه شده توانِ بر مبناي فيلتر كاكلي در سيستم تصديق هويت گوينده

در اين مقاله، يك الگوريتم استخراج ويژگيِ مبتني بر سيستم شنوايي، بر اساس يك تبديل زماني فركانسي به نام تبديل شنوايي (AT) و ضرايب كپسترال نرماليزه شده توان(PNCC)، كه يك ويژگي موفق در زمينه تشخيص گفتار و گوينده بوده است، پيشنهاد مي گردد. به طور معمول عملكرد مدل هاي صوتي كه توسط داده هاي بدون نويز(تميز) آموزش داده مي شوند، وقتي در شرايط نويزي مورد آزمايش قرار مي گيرند به طور فزاينده اي كاهش مي يابد. ويژگي پيشنهادي كه ضرايب كپسترال نرماليزه شده توانِ مبتني بر فيلتر كاكلي (CFPNCC) ناميده مي شود تحت چنين شرايطي مقاومت بالايي را از خود بروز مي دهد. ويژگي بارز الگوريتم پيشنهادي تركيب مزيت هاي فيلتر بانك كاكلي با مزاياي ويژگي PNCC است كه مقاومت توأم در مقابل نويزهاي ايستان و غير ايستان را به همراه دارد. به گونه اي كه آزمايش هاي انجام شده بر روي پايگاه دادگان استاندارد SSC نشان مي دهد، در سيستم تصديق گوينده مبتني بر مدل مخلوط گوسي، اين ويژگي بهتر از ويژگي PNCC عمل مي كند و به طور كلي نسبت به ساير ويژگي هاي متداول در زمينه تشخيص گوينده مانند MFCC و RASTAPLP در شرايط نويزي نرخ خطاي پايين تري را داراست.