Resumen

Una aplicación importante del reconocimiento de locutores es la medicina forense. Sin embargo, la precisión del reconocimiento de locutores en los casos forenses suele disminuir rápidamente debido al efecto nocivo del ruido ambiental, la variabilidad del canal, la diferente duración de los datos de voz, etcétera. Por lo tanto, encontrar un modelo robusto de reconocimiento de locutor es muy importante para los forenses. Este artículo crea un nuevo modelo de reconocimiento de locutor basado en el coeficiente cepstral wavelet (WCC), el vector i y la puntuación de distancia coseno (CDS). En primer lugar, este modelo utiliza el WCC para transformar el habla en vectores espectrales y, a continuación, utiliza estos vectores espectrales para entrenar los vectores-i que representan los discursos con diferentes duraciones. El CDS se utiliza para comparar los vectores i y obtener las pruebas. Además, el análisis discriminante lineal (LDA) y la normalización de la covarianza dentro de la clase (WCNN) se añaden al algoritmo CDS para abordar el problema de la variabilidad del canal. Por último, la razón de verosimilitud estima la fuerza de las pruebas. Utilizamos la base de datos TIMIT para evaluar el rendimiento del modelo propuesto. Los resultados experimentales muestran que el modelo propuesto puede resolver eficazmente los problemas de los escenarios forenses, pero el coste temporal del método es elevado.

• Materias:Ingeniería electrónica Sensores Redes Inalámbricas Tecnología de sensores Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering sensors Wireless Networks Sensor technology Signal processing computer-assisted Data processing
• Palabras claves:modelo, reconocimiento de locutores, nuevo modelo de reconocimiento de locutores, modelo robusto de reconocimiento de locutores, problema de variabilidad de canal, normalización de covarianza de clase, puntuación de distancia coseno, análisis discriminante lineal, vectores de características espectrales, vectores de características espectrales
• Keywords:model, speaker recognition, new speaker recognition model, robust speaker recognition model, channel variability problem, class covariance normalization, cosine distance scoring, linear discriminant analysis, spectral feature vecors, spectral feature vectors