سیستم تشخیص گوینده یکی دیگر از سیستم های امنیتی و کنترل تلفنی از راه دور است ، که در سال های اخیر مورد توجه قرار گرفته است. در این پایان نامه به بررسی رویکردی برای افزایش کارایی سیستم های تشخیص گوینده می پردازیم. یک روش انتخاب ویژگی برای بهبود کارایی این سیستم ها ارائه شده است. این سیستم ها از ویژگی های با ابعاد بالا استفاده می کنند، که بسیاری از این ویژگی ها اضافی و نامرتبطند. حذف ویژگی های نا...

بیان احساس در ارتباطات روزمره از جایگاه ویژه ای برخوردار است. از جمله بسترهای نمود احساس، گفتار است. از این رو، یکی از جنبه های مهم در طبیعی سازی ارتباط میان انسان و ماشین، تشخیص حس گفتار و تولید بازخورد متناسب با احساس درک شده است. باوجود پیشرفت های گسترده در حوزه پردازش گفتار، استخراج و درک احساس پنهان در گفتار انسان، همچون خشم، شادی و جز این ها، از یک سو و تولید گفتار احساسی مناسب از سوی دیگ...

برای تشخیص گوینده معمولا از بخش صدا دار سیگنال صحبت استفاده می کنند ولی برای تشخیص دقیق تر و مستقل از متن گوینده باید از حروف صدادار خاصی استفاده کنیم که حتما در هر کلمه ایی باشد. ما در این پایان نامه از حروف خاصی برای تشخیص گوینده استفاده کرده ایم. همانطور که می دانیم در فارسی بعد از هر حرف بی صدا معمولا یک حرف صدادار وجود دارد که این حروف صدا دار شامل آ ، او ، ایی و حروف صدا دار کوچک َ ، ِ ، ُ م...

شناسایی گوینده یکی از مباحث مطرح در بحث پردازش گفتار می باشد. شناسایی گوینده عبارت است از فرآیندی که طی آن با استفاده از سیگنال صحبت تشخیص دهیم چه کسی چه موقع واقعا صحبت می کند. هدف طراحی سیستمی است که بتواند تغییر در گوینده را مشخص نماید و گفتار هرگوینده را برای سیستم برچسب گذاری نماید. یعنی مشخص نماید که کدام گوینده، در چه بازه هایی صحبت کرده است. امروزه این عمل با یک عنوان جدید که هر دو فرآی...

استفاده از سیستم های تشخیص هویت بیومتریک یکی از مطمین ترین روش ها برای کنترل دسترسی افراد به فضاهای حقیقی و مجازی می باشد. بکارگیری ویژگی های منحصر به فرد مانند اثر انگشت، چهره، عنبیه چشم، شبکیه چشم، شکل دست، صوت و امضا در سیستم های تشخیص هویت بیومتریک متداول می باشد. از آنجاکه روش های مبتنی بر صوت بسیار سریع بوده و بکارگیری آن برای کاربر آسان می باشد، در این پایان نامه یک سیستم تصدیق هویت مبتن...

در این مقاله، یک الگوریتم استخراج ویژگیِ مبتنی بر سیستم شنوایی، بر اساس یک تبدیل زمانی- فرکانسی به نام تبدیل شنوایی (AT) و ضرایب کپسترال نرمالیزه شده توان(PNCC)، که یک ویژگی موفق در زمینه تشخیص گفتار و گوینده بوده است، پیشنهاد می­گردد. به طور معمول عملکرد مدل­های صوتی که توسط داده­های بدون نویز(تمیز) آموزش داده می­شوند، وقتی در شرایط نویزی مورد آزمایش قرار می­گیرند به طور فزاینده­ای کاهش می­یابد...