Resumen

La señal de voz está enriquecida con multitud de características que se utilizan para el reconocimiento biométrico y otras aplicaciones como el reconocimiento de género y de emociones. Las condiciones del canal, manifestadas por el ruido de fondo y la reverberación, son los principales retos que provocan cambios de características en los datos de prueba y de entrenamiento. En este trabajo, se elabora un modelo híbrido de identificación de hablantes para obtener características del habla consistentes y una alta precisión de reconocimiento. Las características que utilizan los coeficientes del espectro de frecuencias de Mel (MFCC) se han mejorado incorporando un coeficiente de frecuencia de tono del análisis del dominio del tiempo del habla. Para mejorar la inmunidad al ruido, proponemos una red neuronal de una sola capa oculta (FFNN) ajustada mediante un algoritmo de optimización de enjambre de partículas (OPSO). El modelo propuesto se somete a pruebas de validación cruzada de 10 veces sobre diferentes niveles de Ruido Blanco Gaussiano Adaptativo (AWGN) (0-50 dB). Se obtuvo una precisión de reconocimiento del 97,83% con el modelo propuesto en entornos de voz limpios. Sin embargo, un canal ruidoso tiene un impacto menor en el modelo propuesto en comparación con otros clasificadores de referencia como el FFNN simple, el bosque aleatorio (RF), el vecino más cercano (KNN) y la máquina de vectores de apoyo (SVM).

• Materias:Ingeniería biomédica Biomecánica Prótesis Extremidades (Cuerpo Humano) Músculos Hidromecánica
• Subjects:Biomedical engineering Biomechanics Prostheses Limbs (Human Body) Muscles Hydromechanics
• Palabras claves:modelo propuesto, gran cantidad de características, modelo de identificación de hablantes, gaussiano blanco adaptativo, espectro de frecuencia de mel, coeficiente de frecuencia de tono, características del habla consistentes, alta precisión de reconocimiento, análisis en el dominio del tiempo, coeficiente del espectro de frecuencia
• Keywords:proposed model, plenty of features, speaker identification model, adaptive white gaussian, mel frequency spectrum, pitch frequency coefficient, consistent speech features, high recognition accuracy, time domain analysis, frequency spectrum coefficient