تصديق مستقل از متن هويت گوينده با مدل آميزه هاي گوسي تطبيق يافته ي ساختاري

Text Independent Speaker Verification using Structural Adapted Gaussian Mixture Model

در اين مقاله، روش مدل آميزهي گوسي ساختار يافته1 (SGMM) كه به منظور سرعت بخشي الگوريتم2 GMM-UBM در سيستم تصديق هويت گوينده، پيشنهاد شده است، مورد بررسي قرار مي گيرد. تاثير برخي پارامترها در ساخت مدل پس زمينه ي ساختاري 3 (SBM) به تفصيل مورد بررسي و مقادير بهينه در ساخت مدل مورد استفاده قرار مي گيرد. همچنين براي پردازش امتيازهاي خروجي ساختار SBM-SGMM ساختاري با عنوان شناسايي كننده GMM پيشنهاد مي شود. شبيه سازي هاي انجام يافته نشان مي دهد ساختار بهينه ي SBM در تركيب با پردازنده ي امتيازهاي پيشنهاد شده، عملكرد بهتري نسبت به سيستم پايه در تركيب با شبكه ي عصبي دارد و اين در حالتي است كه پيچيدگي سيستم پيشنهاد شده، پايين تر از شبكه ي عصبي مي باشد. با استفاده از سيستم پيشنهادي، نرخ سرعت بخشي برابر با 7/2 حاصل گرديد و در عين حال عملكرد سيستم نيز نسبت به سيستم GMM-UBM بهبود نشان مي دهد. در بهترين حالت مي توان به نرخ خطاي برابر معادل %35/0دست يافت كه نسبت به عملكرد سيستم GMM-UBM با نرخ خطاي برابر %71/1 بهبود قابل ملاحظه اي حاصل مي شود.

In this paper Structural Gaussian Mixture Model (SGMM) method which used for GMM-UBM algorithm speed-up in speaker verification system, investigated. Effects of some parameters in Structural Background Model (SBM) construction studied in detail and optimal values are used in model creation. In addition a structure named "GMM identifier" proposed for processing output scores of SBM-SGMM structure. Simulation results demonstrate that SBM optimal structure combined with proposed score processing unit outperforms the base system with neural network while the proposed system complexity is less than neural network. Using proposed method a speed-up rate of 2.7 attained while system performance improved compared to GMM-UBM system. Best configuration leads to an Equal Error Rate of 0.35% having considerable improvement considering GMM-UBM system performance of 1.71% in Equal Error Rate prospective.