Σχεδίαση & Yλοποίηση Συστήματος Αναγνώρισης Ομιλητή

Abstract

Στη σύγχρονη πραγματικότητα των μέσων δικτύωσης, των έξυπνων συσκευών και της αξιοποίησης κάθε είδους πληροφορίας, η ασφάλεια συστημάτων κάθε φύσεως είναι ένα ζήτημα που πρέπει να μας απασχολεί ιδιαίτερα. Μια προσέγγιση ως προς την βελτίωση των συστημάτων ασφαλείας είναι η αξιοποίηση βιομετρικών χαρακτηριστικών όπως η εμφάνιση, η φωνή αλλά και ο συνδυασμός χαρακτηριστικών που αυτές οι κατηγορίες μας παρέχουν. Τέτοιου είδους χαρακτηριστικά παρουσιάζουν ιδιαίτερο ενδιαφέρων επειδή αντιγράφονται δύσκολα. Στην παρούσα εργασία γίνεται σχεδίαση και υλοποίηση ενός συστήματος Αναγνώρισης Ομιλητή, ως χαρακτηριστικά αναγνώρισης βασισμένο σε βραχυπρόθεσμα φασματικά χαρακτηριστικά του ομιλητή, συγκεκριμένα έγινε χρήση των Mel-Frequency Cepstral Coeffcients (MFCC). Για την λήψη της απόφασης στο σύστημα αυτό χρησιμοποιήθηκε ένα Αυτόνομο Νευρωνικό Δίκτυο (ΑΝΝ) σε Feed-Forward μορφή ελαχιστοποιώντας την επεξεργαστική ισχύ που απαιτείται από το τελικό σύστημα. Στην έκταση της διπλωματικής θα αναλυθούν αρχικά τα μέρη του συστήματος, έπειτα οι αλγόριθμοι ανάλυσης σήματος και εξόρυξης χαρακτηριστικών, ο αλγόριθμος εκπαίδευσης του νευρωνικού συστήματος, η γενικότερη μορφή του καθώς και η μεθοδολογία πάνω στην οποία δοκιμάστηκε το σύστημα. Σαν αποτέλεσμα θα δούμε αν ένα τέτοιο σύστημα αξιοποιώντας μόνο τα φωνητικά χαρακτηριστικά του χρήστη μπορεί να προσφέρει αξιόπιστα αποτελέσματα