Telephone-based text-dependent speaker verification
Telefon üzerinden metne bağımlı konuşmacı onaylama
- Tez No: 297868
- Danışmanlar: PROF. DR. LEVENT M. ARSLAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Konuşmacı tanıma, Speaker recognition
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde telefon üzerinden metne bağımlı bir konuşmacı tanıma uygulamasında model seçimi ve kanal değişkenliği konuları incelenmektedir. Çalışma için uygun Türkçe bir veritabanının bulunmaması nedeniyle, metne bağımlı değişken metin (MBDM) ve metne bağımlı tek cümle (MBTC) isimlerinde çok kanallı iki veritabanı toplanmıştır. MBDM veritabanı sayı dizileri, kısa cümle ve kelimelerden oluşurken, MBTC veritabanı tek bir cümleden oluşmaktadır.MBDM veritabanında, Gauss karışım model (GKM) ve saklı Markov model (SMM) tabanlı iki metot farklı test cümleleri, eğitim senaryoları ve test-eğitim kanal durumları için karşılaştırılmıştır. Deneylerde sıralama tabanlı bir karar verme yöntemi kullanılmıştır. İkinci deney setinde, kanal uyumsuzluğu problemini gidermek için kepstral ortalama çıkarımı (CMS) ile birlikte, üç farklı yöntem denenmiştir: i) uzun dönemli ortalama spektrum (LTAS) filtrelemesi ii) maksimum olasılık doğrusal regresyon (MLLR) dönüşümü iii) kanal bağımlı sıralama tabanlı karar verme yöntemi (H-rank). Her üç yöntemde de, kullanılan kanal çeşidinin bilinmesi gerekmektedir. Kanal çeşidi her kanal için eğitilmiş kanal GKM'leri ile tanınmıştır. Deneylerde kanal tanıma hatalarının konuşmacı tanıma performansı üzerindeki etkisi de incelenmiştir.MBTC veritabanında, cümle SMM, fonetik SMM ve GKM yöntemleri tek cümle uygulaması için karşılaştırılmıştır. Kanal etkisini gidermek için test normalizasyonu (T-norm), sıfır normalizasyonu (Z-norm) ve kombinasyonları (ZT-norm ve TZ-norm) gibi farklı skor normalizasyon metotları denenmiştir. Bu metotlara ek olarak C-norm isimli bir kombinasyon önerilmiştir. Başarımı arttırmak için skor normalizasyonu sırasında kanal bilgisinden de faydalanılmıştır. Kohort tabanlı bir kanal tanıma yöntemi klasik GKM yöntemine ek olarak denenmiştir. Skor normalizasyonu bölümünden sonra, spektral ortalama bölümü (SMD) yöntemi sık kullanılan CMS'ye bir alternatif olarak önerilmiştir. Bu veritabanındaki son deneylerde, spektral özellikler ile enerji, tonlama ve süre özellikleri cümle SMM yapısı içerisinde birleştirilmiştir.
Özet (Çeviri)
In this thesis, we investigate model selection and channel variability issues on telephone-based text-dependent speaker verification applications. Due to the lack of an appropriate database for the task, we collected two multi-channel speaker recognition databases which are referred to as text-dependent variable text (TDVT-D) and text-dependent single utterance (TDSU-D). TDVT-D consists of digit strings and short utterances in Turkish and TDSU-D contains a single Turkish phrase.In the TVDT-D, Gaussian mixture model (GMM) and hidden Markov model (HMM) based methods are compared using several authentication utterances, enrollment scenarios and enrollment-authentication channel conditions. In the experiments, we employ a rank-based decision making procedure. In the second set of experiments, we investigate three channel compensation techniques together with cepstral mean subtraction (CMS): i) LTAS filtering ii) MLLR transformation iii) handset-dependent rank-based decision making (H-rank). In all three methods, a prior knowledge of the employed channel type is required. We recognize the channels with channel GMMs trained for each condition. In this section, we also analyze the influence of channel detection errors on the verification performance.In the TDSU-D, phonetic HMM, sentence HMM and GMM based methods are compared for the single utterance task. In order to compensate for channel mismatch conditions, we implement test normalization (T-norm), zero normalization (Z-norm) and combined (i.e., TZ-norm and ZT-norm) score normalization techniques. We also propose a novel combination procedure referred to as C-norm. Additionally, we benefit from the prior knowledge of handset-channel type in order to improve the verification performance. A cohort-based channel detection method is introduced in addition to the classical GMM-based method. After the score normalization section, feature domain spectral mean division (SMD) method is presented as an alternative to the well-known CMS. In the last set of experiments, prosodic (energy, pitch, duration) and spectral features are combined together in the sentence HMM framework.
Benzer Tezler
- Hukuksal açıdan orman emlaki ve orman mülkiyetinin temelleri
Forest property and fundamentals of forest ownership from the legal point of view
SEDAT AYANOĞLU
- Fethiye yöresi ormanlarında yangınların gözetlenmesi ve yangın söndürme ekiplerinin planlanması
Observation des incendies, dans la forets de la region de Fethiye et l'organisation des equipes responsable de l'incendie
MEHMET YÜCEL
- Çift evre kaydırmalı anahtarlamalı modem tasarımı
Başlık çevirisi yok
HALDUN SARNEL
Yüksek Lisans
Türkçe
1988
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. METE SEVERCAN
- Zaman anahtarlamalı elektronik telefon santralı mikroişlemcili denetim dizgesi
Başlık çevirisi yok
TUNCAY ERTAŞ
Yüksek Lisans
Türkçe
1988
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. METE SEVERCAN