research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Speech Recognition using Wavelets and Improved SVM

Loading...
Loading...
Abstract

Speaker recognition (identification/verification) is the computing task of validating a user’s claimed identity using speaker specific information included in speech waves: that is, it enables access control of various services by voice. Discrete Wavelet Transform (DWT) based systems for speaker recognition have shown robust results for several years and are widely used in speaker recognition applications. This paper is based on text independent speaker recognition system that makes use of Discrete Wavelet Transform (DWT) as a feature extraction and kernel Support Vector Machine (SVM) approach as a classification tool for taking the decision through applying simplified-Class Support Vector Machine approach. The proposed SVM approach can convert local Euclidean distances between frame vectors to angles by projecting these d-dimensional vectors together, and get the minimum global distance from the non-linear aligned speech path in order to address audio classification, and hence, sound recognition.The DWT for each frame of the spoken word are taken as a tool for extracting the main feature as a data code vectors, next these data is normalized utilizing the normalized power algorithm that is used to reduce the number of feature vector coefficients then these data is scaled and tested with those stored of the training spoken words to achieve the speaker identification tasks, also the DWT gives fixed amount of data that can be utilized modesty by SVM. Finally, the proposed method is tested and trained upon a very large data base with results limited to ten speakers only (5 males and 5 females) with words of maximally 17 phenomena and its performance gives an accurate and stable results which rises the algorithm efficiency and reduce the execution time with 97% overall accuracy.

يعتبر تمييز المتكلم (تحديد الهوية والتحقق) من المهام الحسابية للتحقق من صحة المتكلم باستخدام معلومات موجات الكلام لنمكن الوصول للخدمات المختلفة بالصوت. تحويل المويجات المتقطعة (DWT) تم استعمالها لاستخلاص مويجات الصوت وقد اثبتت كفائتها لسنوات عدة على نطاق واسع في تطبيقات التعرف على المتكلم. في هذا العمل استعمل تحويل المويجات المتقطعة (DWT) مع نصوص الصوت المستقلة للمتكلم لاستخراج مميزات الصوت ثم استعمال ال ( SVM ) كمصنف, حيث تم تطبيق تصنيف سهل ( SVM ) لقياس المسافة بين متجهات الصوت وتحويلها لزوايا ليسهل استخراج الاصغر بينهم رغم تباين مقايس الاداء للصوت. يقوم ال (DWT) باستخراج ميزات كل الكلمة المنطوقة كمتجهات مصفوفة للبيانات ثم عمل تسوية normalize ) ) بالنسبة للقدرة لتقليل عدد معاملات البيانات التي ستدخل للمصنف SVM) ) كأداة لاتخاذ القرار من خلال عمل التدريب ومعرفة الكلمات المطلوبة , ومن سمات ال (DWT) هو استخراجه لكمية ثابتة من البيانات والتي يستفاد منها ال SVM) ) على اعتبار سهولة عمل المصنفات مع البيانات الثابتة. وأخيراً، تم اختبار الأسلوب المقترح بناء على قاعدة بيانات كبيرة جدا مع اخذ النتائج من عشرة متكلمين فقط (5 من الذكور و 5 من الإناث) مع كلمات أقصى حد لها 17 صوت للكلمة وترتفع كفاءة الخوارزمية ويقل وقت التنفيذ بنسبة .97%

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2013 (1)