Effects of root cepstral coefficients on speaker recognition performance over telephone channels

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2002

Tezin Dili: İngilizce

Öğrenci: MUSTAFA SELVİ

Danışman: SADIK FİKRET GÜRGEN

Özet:

ÖZET KÖK KEPSTRAL KATSAYILARININ TELEFON HATLARI ÜZERİNDE KONUŞMACI TANIMA PERFORMANSINA ETKİSİ Bu tezde, telefon kanalları üzerinden gürbüz konuşmacı tanıma sistemleri için değişik özellik vektörlerinin deneysel değerlendirmesi yapılmakta ve kök kepstral katsayılarının gürültülü ortamlardaki konuşmacı tanıma sistemlerinde özellik vektör seti olarak kullanımı önerilmektedir. Amaç tüm işlem ve sınıflandırma adımları değişmeden sadece kullanılan özellik vektörünü değiştirerek, vektör setleri arasında kontrollü bir karşılaştırma yapabilmektir. Değerlendirilen özellik vektör setleri; mel-frekansı kepstral katsayıları (MFCC), geniş-bant mel-frekansı kepstral katsayıları, kök kepstral katsayıları (RCC), ve geniş-bant kök kepstral katsayıları (WRCC)'dir. Veritabanı olarak TUBİTAK- UEKAE (Ulusal Elektronik ve Kriptoloji Araştırma Enstitüsü) tarafından telefon hatları üzerinden toplanan Türkçe ses veritabanı olan TURTEL kullanılmıştır. Konuşmacılar 32 elemanlı gauss karışım modelleri (GMM) ile modellenmiştir. Modeller oluşturulurken 93 konuşmacı (56 bay, 37 bayan) tarafından söylenen ortalama 30 sn uzunluğunda ses kayıtları kullanılmıştır. Test için ise, 2-3 sn uzunluğunda kaydedilmiş cümleler kullanılmaktadır. Ayrıca, gerçek ortamlarda karşılaşılabilecek toplamsal gürültüyü simüle edebilmek için test verilerine 20dB, 15dB, ve lOdB SNR seviyelerinde araba gürültüsü ilave edilmiştir. Deneyler hem temiz hem de gürültülü telefon konuşmaları ile yapılmıştır. Sonuçta; temiz veriler kullanıldığında MFCC ve WMFCC özellik vektör setlerinin her ikisi ile de yüzde 95.6 gibi gayet iyi bir tanıma oram elde edilmiştir. Fakat, verilere gürültü eklendiğinde performansları önemli ölçüde düşmüştür. Diğer taraftan, temiz veriler kullanıldığında RCC ve WRCC özellik vektörleriyle ulaşılan konuşmacı tanıma oranları sırasıyla yüzde 93.5 ve yüzde 94.6 olmuştur. Bu oranlar MFCC ve WMFCC katsayılarıyla elde edilen oranlardan iyi olamasa da, gürültülü veriler ile yapılan deneylerde RCC ve WRCC vektörleri kullanılarak çok daha iyi sonuçlar alınmıştır. Değişik gürültü oranları ile elde edilen sonuçlar ayrıntılı olarak raporda sunulmuştur.