Resumen

La agrupación de expresiones es uno de los temas más investigados en el procesamiento de señales de audio y el aprendizaje automático. El objetivo de este estudio es mejorar el rendimiento de la agrupación de expresiones mediante el procesamiento de señales de audio multicanal (estéreo). Las señales de audio procesadas se generaron combinando las señales de audio de los canales izquierdo y derecho de diferentes maneras y, a continuación, extrayendo las características incrustadas (también llamadas vectores d) de esas señales de audio procesadas. En este estudio se aplicó el modelo de mezcla gaussiana para la agrupación supervisada de los enunciados. En la fase de entrenamiento, se obtuvo un modelo de mezcla gaussiana con parámetros compartidos para entrenar el modelo de cada hablante. En la fase de prueba, se seleccionó el hablante con la máxima probabilidad como hablante detectado. Los resultados de los experimentos con grabaciones de audio reales de sesiones de debate entre varias personas mostraron que el método propuesto que utilizaba señales de audio multicanal lograba un rendimiento significativamente mejor que un método convencional con señales de audio mono en condiciones más complicadas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:señal de audio procesada, modelo de mezcla gaussiana, señal de audio, grabación de audio real, señal de audio multicanal, sesión de discusión multipersonal, rendimiento de la expresión, grabación de multipersonal, procesamiento de la señal de audio, canal de señal de audio
• Keywords:processed audio signal, gaussian mixture model, audio signal, real audio recording, multichannel audio signal, multiperson discussion session, performance of utterance, recording of multiperson, audio signal processing, channel audio signal