Підвищення інформативності основного тону для розпізнаванні мовців згортальними нейромережами

Abstract

У статті автори розробили метод і алгоритм виділення основного тону мовця із мовного сигналу, який використовує дані вейвлет-перетворення мовного сигналу та його сингулярного аналізу, що дозволяє довільно масштабувати представлення сигналу у частотній області і підвищує достовірність виділення основного тону у випадку присутності шумів у мовному сигналі і використанні для розпізнавання мовця загортальної нейромережі.

В статье авторы представили метод и алгоритм выделения основного тона диктора из речевого сигнала, использующий данные вейвлет-преобразования речевого сигнала и его сингулярного анализа, что позволяет произвольно масштабировать представление сигнала в частотной области и повышает достоверность выделения основного тона в случае присутствия шумов в речевом сигнале и использовании для распознавания диктора сверточной нейросети.

In the article the method and algorithm were presented for speaker’s pitch extraction from the speech signal, using the data of the wavelet transform and singular analysis of the speech signal. That allows arbitrary scale representation of the signal in the frequency domain and increases reliability allocation pitch in the case of noise present in the speech signal and using a convolution neural network for speaker recognition.