Адаптивний алгоритм визначення голосової активностіКорнієнко Олександр Олегович; Кущ Сергій Миколайович, к.т.н., доцент Національний технічний університет України «Київський політехнічний інститут», м.Київ, Україна Анотація У роботі запропонований адаптивний алгоритм визначення голосової активності, який може бути використаний для підвищення ефективності системи автентифікації мовця в системах біометричного контролю доступом. Ключові слова: визначення голосової активності, вейвлет пакетні коефіцієнти, автентифікація мовця. Аннотация В работе предложен адаптивный алгоритм определения голосовой активности, который может быть использован для повышения эффективности систем аутентификации диктора в системах биометрического контроля доступа. Ключевые слова: определение голосовой активности, вейвлет пакетные коэффициенты, аутентификация диктора. Abstract Adaptive voice activity detector was proposed. It can be used for efficiency increasing of speaker recognition systemsin biometric access control systems. Keywords: voice activity detection, wavelet packet coefficients, speaker verification.
... |
Пошук
Авторизація
Корисні файли
| Інф. повідомлення |
| Заявка на участь |
| Оформлення тез |
| Оформлення літератури |
| Правила транслітерації |
Архів
Останні коментарі
-
Применение галлий-нитридных транзисторов (GAN FET) в системах питания современной РЭАЯрослав Бурковский написав: "Добрый день, графики и расчет были получены средствами Microsoft Excel по методике и рекомендациям Texas Instruments для расчета потерь в синхронных buck-преобразователях."
-
Порівняльний аналіз нейромережевих методів для обробки радіосигналівФаттахов написав: "Доброго дня. Значення параметрів були взяті з джерел, їх було більше ніж вказано в тезі. А для оцінки якості я ввів узагальнений критерій,...
-
Розпізнавання зображень за допомогою сіамської нейронної мережіАндрій Петровський написав: "Дякую за пораду, обов'язково спробую"
Коментарі
Переваги адаптивного алгоритму визначення голосової активності:
- Не потребує попереднього навчання класифікаторів голосу та тиші.
- Є адаптивним до фонових шумових процесів
- Не потребує перенавчання класифікаторів при зміні співвідношення сигнал/шум.
- Точність виявлення сегментів голосу та тиші розробленого алгоритму є вищою ніж у розглянутих алгоритмів (див рисунок 2)
З повагою
С. Кущ
- Є адаптивним до фонових шумових процесів.
- Не вимагає зазделегідь промаркованих сегметів голосу та тиші для навчання класифікаторів.
- Не потребує перенавчання класифікаторів при зміні співвідношення сигнал/шум.
- Точність виявлення сегментів голосу та тиші розробленого алгоритму є вищою ніж у розглянутих алгоритмів (див рисунок 2).
Стрічка RSS коментарів цього запису