!
"#$ %
) 1 (
) * + +%
) 2 (
) 1 % & ' ( ( ) % * + , ( '
) 2 . % ( / 0 1% *234 % % / 56 % * 76 %
8 9 : , 1 / 5 / 1392 := > 8 9
1 / 3 / 1393
:.$/0
? 7 @>1 A3 6 = . % C., D % E CF 9 3 G.3 % HI.J3 K 1 D C L I3 2 CK I3 G %
MN ' 1% C / O PI9 ?4 F % 2DQ R% S. % % C'% M HE% 1 % / N H3 9
( 3 23 H T 2 . / CU F % U . '
3 , C V ' , R% S. % % .)D C PE W % C'% M 23 2
C X = M T% . 2DQ *
( 3
YZ % [ 2 9 ' MFCC
2DQ ( 3
23 Z ' 9 U % ). % ? 6 3 / \ . .
CIA] ^ % '
MLP 23 ( 6 C'
( K 1 6 = D 2 _ G 5 3
33 / 97 C 5 AJ % 2
2 H 33 / 61 C AJ C' % %
= 23 ( 6 A % .3 .
: 12 3 +12
Z % [ * D 2 MFCC
V ' , * 3 , *C
*( 2 . / * MLP
.
A Novel Approach in Text-Independent Speaker Recognition in
Noisy Environment
Nona Heydari Esfahani(1) - Hamid Mahmoodian(2) (1) MSc – Persian Foolal Company, Isfahan
(2) Assistant Professor - Department of Electrical Engineering, Najafabad Branch, Islamic Azad University [email protected]
In this paper, robust text-independent speaker recognition is taken into consideration. The proposed method performs on manual silence-removed utterances that are segmented into smaller speech units containing few phones and at least one vowel. The segments are basic units for long-term feature extraction. Sub-band entropy is directly extracted in each segment. A robust vowel detection method is then applied on each segment to separate a high energy vowel that is used as unit forpitch frequency and formant extraction. By applying a clustering technique, extracted short-term features namely MFCC coefficients are combined with long term features. Experiments using MLP classifier show that the average speaker accuracy recognition rate is 97.33% for clean speech and 61.33% in noisy environment for -2db SNR, that shows improvement compared to other conventional methods.
Index Terms: Speaker identification, MFCC coefficients, pitch ferequency, formants, Shannon entropy, MLP
4 5 2 ) % 1 : *
0 1% 234 % % / 56 % * /
1 ) .
.JD 0U.S3 ' 3% C % ,% e S69 C %
2DQ H K C ? 3/ F Q ' * X f X
%
% % ,% e S69 h Id9 G % L % % @ . % C., e S69 ic d3 / .)D 23
= % 27 C'
. % % ,% e S69 M .3 2U % UT C7 % CF 9
.J PX G h P9 L T * D 2 ' X
5K% 2 3/ = C 2 . * % 2U T H I3 L I3
( , 7 3 Hd3 ?% j9 H3 ( D D H3% T Q *
2D '
? T [ 3 % 27 * k ( 3 .)D *2P d3 * I. % U' ldA3 2
23 m Jd3 D .
K , ( ' 9 2DQ 2 .A3
% .Jn' H3 Z % [
2J ' ,
1
L % D 2 1
c % C' %
E 2 / ' ( % 2K AE H
] 1 [ % ( N 1 G % .
Z % [ R% S. % MFCC
H3 & I3 2 .A3 .U , M M %
23 ). % 2F X *
? C .U , M G % .U ,
d9 X% 7 k op9
23 % E 2DQ G % G % . D %
% X H I3 2 + 3 I3 7U T ,% lT .J
c d3 .J 23
.
= % 27 H A9 % ). % o% CAUk % % .3
H7 C MF 3 . % 0U.S3
2012 e S69 .J M
c .3 % ). % D , Y D
CU F N Z % [ % %
3 H A9 (/ Z ' 9 6 *MF
AJ 1 9 C' %
. ' I3 C C 5 AJ r ' 3% % L I3 C % 5 2 23 ,% ? C (/ 2 / ' *H ' ] 2 [ . 2009 M
(/ C' % 6 C L I3 D 2 =
R% S. % 4T Z % [
MFCC CU F N Z % [
* % % H A9 MF 3 ) C.JJD DWT ( ). % 5 G % . %
Z ' 9 5 7 Z % [ Vn %
D e S69 .J
15 % ). % D 2AsT C7A
MLP % ] 3 [ . \ . D e S69 _ A ) % %
2 D 25
2DQ % Z ' 9 G % C AJ
Z % [ MFCC
CU F N Z % [ 23 ( 6 %
. 2010
.J
Z % [ % ). % D e S69 MFCC
% R% S. %
' MF 3 CIA] c 9 Ad 5 '
HMM
. (% 3 C e S69 _ r % ,% \ . 6
/ 0 % %
r % ,% ( c % 4
2 D ) 2P % % %
C 5 AJ O F 20
23 ( 6 H 2
] 4 [ . 2011 Khaled Daqrouq % * 30 ( 2 . / Z [
H A9 % 3/ C MF 3
'
2
C V ' , % C 5
4 (% T C Ad 5 % R% S. % % 3 , V ' ,
2AsT C7A C MLP
G.3 % HI.J3 D 2 F C .)D ?4 F e S69 _ . ' ). %
= c 9 3/
( c % Ct% % 09
/ 91 H A9 ( . % % MF 3
C.JJD
3
O F 2 D ) % 9 C., D 5 % C 5 AJ 2
\ . hA] C' L I3 H 2
e S69 _ G 5 3 MF 3
uP 4 % % C 6 D 58 / 39 C %
% 3/ ]
5 [ . 2DQ Z ' 9 *CK I3 G % @ 2 .A3
, 2DQ rS M % R% S. % YG.3 % HI.J3
9 % .)D op9
D e S69 .J 2 / '
1% M % ). % . r ' G.3 % HI.J3 C.J CT 3 Q (% . C' .)D 2D
MFCC ' R% S. % (/ % %
2DQ R% S. % % 3 % * Z 3 G.3 % HI.J3
1 G % ? I Id9 C' % 2K 1 G % . % C., D % E CF 9 , ZUk% ? AT CU F M H' % % ' 9
23 ). % 2DQ R% S. % % 3 Y .)D 1% % .
23 3 29 .)D C PE ). % CU F M O PI9 % C'
? 7 @>1 23 C
* .)D 1% G % % ). % . /
Z % [ MFCC , 2 .A3 = % C' 23 C
/ 2DQ C 3/ % C PE 29 ( ) , ( H3 Z % [
D ( 2 . / MF 3
N V ' , C V ' , * '
Z ' 9 5 7 % 3 , M .)D rS % 9 %
2DQ Z ' 9 ( 73% w 3 C . H 769 2DQ % 2 .A3
, C X . 5K% % 29 H , 2 .A3 Kmeans
YZ % [ MFCC ). % D
. %
CIA] F 2DQ % C + N ( .n 2AsT C7A C
) (MLP 23 % PX 6. % V . 5K% .
) rS % . % . % X Ct% % ZK P3 CK I3 G % C3% % 2
(
% X 2 D e S69 .J
) rS . 3
2DQ (
C., ' C x% s.S3
% u [ 9 ) rS . %
4 = 2 C (
CIA] C7A MLP rS 6 = . % C.X%
) 5 % u [ 9 ( ) rS %
6 % ( ? 6 3 / \ .
) rS . % X 3 L % 7
. ld C ( C
D
23 ?% 6 Ct% % . % 2 ) 6 7
Ad C' % 2sS e S69 ' X * D e S69 23 sd 3 ? T4]% & % ' C
D * .)D 5 R 3 ,
23 2 % e S69 C. C D e S69 .J . '
D h s9 D 23 JI9
] 6 [ . .J
C e S69 y%
" 23 Ad 2J' CN z '
" 23 8 .
.J C' 2K 1 % h s9
"
( D /
23 T % C' % 2J' z X '
" 23 { P3 .
.J D C. C 5 2 D % D e S69
4
D C.J
5
23 JI9 ]
D 2 r % C' % % D ' 2, 3 & (% T C
CT 3 C d3 % % .)D (/ C' 2 .J % 23 3 C.J D * % C.X ( D D G | .
% % .)D C7 / & % D e S69 X % L U 3 r %
23 JI9 G.3 % HI.J3 G.3 C C.J % rS C Z 9 9 C ] 6 [ . = 3/ CU1 3 % % D e S69 .J e S69
23 , ( D D Ad 5 = 3/ CU1 3 .
D % 2 F 3 *(/ % 2DQ R% S. % % 23 C.X
.
23 OF 3 G % CT 3 3/ 3 M % 9
. 5K% % %
= 3/ CU1 3 % C' OF 3 5K% CJ I3 & % *e S69 CU1 3 H 1 * Ad 5 % 3/ C 5K% %
23 2 w 3 D
.
3 ) 9 : ; 7
S. % % % ? sS63 ( / C w 3 C 2DQ R%
.3 % % ( D D 2 X C % . C' % Ad 5 2DQ . e S69 % Ad 5 % R% S. %
2t F ?% j9 % % w 3 D % * D CU , 1 G T (/ 4T . C. % ( D D
2DQ % *G.3 % HI.J3 2 % C' ' ). % 2
2 % / % .d3 C J1 G . '
6
. C. % % Ad 5
2DQ % CK I3 G % 2 .A3 % .Jn' Z % [ 3 0U.S3
H3 3
7
D ( 2 . / Z % [ * MF 3
V ' , * '
3 , V ' , C % u [ 9 C3% % C' % ). %
23 .
3 ) 1 ) ) < ;= > 5 ; ?2 @ ;A (
Z % [
MFCC
2DQ % .)D l1 A3 5K% e S69 \ %
f% X % H3 3 2 .A3 % .Jn' Z % [ 2U % % . % D C., D .)D } , ( J % = % ). % . %
AJ V ' , G d3 ? T4]% C .6 = % H3 X 23 V ' , + d3 ? T4]% C e S69 E & I3 G % .
.J % 23 r % ,% D e S69
] 3 [ .
MFCC
n' Z % [ C., A ^ H % 23 % .J
G % C7 % C CF 9
, 2 .A3 9 ' ( 3 2DQ 2T Z % [
8
?% j9 * %
23 ( 6 X % 9 ' ( 3 C U' *R% G 9 %
. % Z 3 D
Z % [ CA d3 %
MFCC
, Ad 5 % . %
23 %>D 9
r ' , . % ^ 25.JJD
23 T% 2UAE CU1 3 C . C , H A9 L D . .
23 H A9 V ' , 1 C ( 3 1 , G % . D
V ' , ( 3% 0 ] W % CA d3 % M .U , % Vn 23 ). % eS63 M .U , G % .
( 3 .U , % 9 H3 N H3 & I3 . % 2PX ? C C' % >D
%
C] 3 .U , ' 3 V ' , % % .U , 5 9 U ' M 1 9 H3 & I3 .H3 & I3 x A I9
V ' , % 2PX 23 2 . 5K 9+
I3 . 9 &
) CP % % ). % 1
23 H A9 H3 & I3 C ( .
f 2595 log 1 (1)
23 AT 2~U~3 >D V ' , M % % 29 5 M .U , .
Z % [ *M .U , % Z % [ ( % >D %
MFCC
CP % % ) 2 (
23 CA d3 .
c ∑ # log S m!"cos %& m ' 0.5!* (2)
(/ C' i=1,2,…,P *
P
Z % [ % 9
MFCC
*
N
.U , % 9
M .U , S(m)
2F X m H3 & I3 M .U , .U , G 3%
Z % [ ( / C % CK I3 G % . %
MF CC
% % CA F %
voicebox % ,% L C.
MATLAB . % ). %
, T%
• ? C T%
2~U~3 ? C H3 3 2 .A3 .U , M .U , C., D w . %
3 ) 2 ) * B ; C @ ;A
H A9 MF 3 C€ 9 C€., € 9 €' M€F 3
( €73% C€' € %
23 % 5 H Ud9 % .6 H Ud9 . '
MF 3 5 *
Z I9 CX C
9
? t F
10
23 JI9 € € G€ % €
23 % 79 Z I9 CX % .
n % € 9 *uP€ n+1
G€7 3 €J3
% F 5 %>D ' C 9 % H Ud9 .
MF 3 * €'
23 % ? t F €' G€ % H€ 1 . €' C€ 9 ? A I9 (% 9
% r C 2 .
n
2 . % 5 %>D ' % ? ).3 =
C 9 I I1 MF 3
C D = C C 9 % % MF 3
. % '
H A9 G % MF 3
( ' K / % . r ' 5
H A9 C AJ MF 3
23 Ct% % .
23 G % R% S. % % (% 9
2DQ ' C 9+ e S69 _ w 3 C 2, [% 3% .
X h T r % ,% MF 3
CIA] % 3 ( 3 * '
23 2PX k % 5 Z 3 C Z % [ r ' C .
3/ % MF 3 Z % [ w 3 G . % [ 3% '
D ( 2 . / MF 3
= % 27 C' ' Z 3
2DQ % r ' % %
] 7*5 [ 23 CA d3 .
C Ad 5 % . % *( 2 . / Z % [ R% S. % w 3 C H A9 CU MF 3 9 2sS63 uP ' Vn C
D C % ( 2 . / CK 3 % ). % uP (
) 3 23 CA d3 ( .
El s! ' ∑ S log S ! (3 ) (/ C' S
Ad 5 Si
H A9 Z % [ MF 3
'
23 . 2DQ F 2DQ G % % Ad 5 U ( 3
2 CA d3 * 9 ' 2 3 H % , x+ 3 .
3 ) 3 ) 9 D ;E F 2;E . B F 2;E ! !
.)D K 9 2] 29 9 = 9 % V ' , C V ' , 23 C % % ( F C' 23 5 29 9 r6' D% .
23 AT 1 '
ZA cI, 23 * L% / ?
% VK % 9
23 ZA VK G % F . ' K 9 M CA % 3 C'
? sX *C V ' , . ' K 9 % % % @ 1 % . 29 % % @ 1 ( L 5 % D 29 9 ? M
23 ( 6 D 2 %
oy3 23 OE% X .
? ).3 23 9 / .X H K C *C V ' , ( ) sd 3 HI.J3 2DQ M 9 C C V ' , . % D ) sd 3 2DQ M (% T C .)D ? I Id9 C7U % G.3 % oy3
% ' J D J F e S69 ]
8 9 [ .
% Q C % / 2X 0 ] * Ad 5 M R% 3% 6.
C'%
11
23 L% % . H7 .)D
% % 2 3
23 % % % @ 1 K 9 [ 69 % 2I] 3 G % . '
23 H7 29 % 3 69 0 ] 69 G % ( 73 . D
2J ' , 5.J 2 H7 ^ C % 3
29 D %
.
V ' ,
V ' , * % '% .)D ] 29 69 3 3 ,
23 3 , . 23
e S69 % *C V ' , 3 % 9
' C J F ]
10 [ 2.1 W K , *M U3 K 1 G |
% D 21 ?+ 1 23 ( 6
] 11 [ . L + C' % '• C
3 , C V ' , 2DQ F
Ad 5 U ( 3
x+ 3 .J 2DQ Z ' 9
23 ). % .
= V ' , C V ' , ( / C % 2)U.S3
= . % Ct% % 3 , L .Jn'
] 12 [ * X O 9 25.JA
] 13 [ M 3 m ‚U 1 0 ] ]
14 [ G 9 ' CU F %
) 2) ] (% 9 2K 5N . 5K% = % CK I3 G % . .J PSD
12
(
. % ). % 3 , V ' , C V ' , G S9 %
. 5K% PSD % CU1 3 H3 ]
5 [ % . % : PSD ) Pxx
). % (
% = Yule-Walker 2.6D X
13
) AR 23 G S9 (
' 3 L CU1 3 Vn 23 % e S69 2Ud3
= .
Yule-Walker (/ 2F X C' % .3% 0 ] G S9 = M
) Pxx
% 2 S9 ( PSD
5 x 23 .U , 3 = G % .
3 c 9 % 2.6D X 2PX 2t 56 PX ( '
23 AJ 5 C ? 3 HE% 1 H7 C 6 2t 56 .
8 C 3% ? 3 *= G % CU C 3/ C 2 S9 0 ] X 3 G % 2J ' , C7 % % V . % 2.6D
PSD G S9
) CP % % ). % (/ H[ )9 * 4
23 CA d3 ( .
D P.. i 1! ' P.. i! (4) (/ C' Pxx(i)
Pxx(i+1)
, 2J ' , 0 ] 2K 5N % I3
. .J 2K% .3 ' 3 D % E Hd3 Vn
2 F 2 *2Ud3
C' D 23 34T j9 2) 3 C A~3 %
23 2 *
G K % . , ' eS63 CUE
CUE C I C V ' ( 6 Z 9 9 C
3 , . .J L N 9 %
4 ) # 7 = = . >H MLP
C7A
MLP
@ P % H K C 2 % 9 * % >
CIA] C7A . % 5K%
MLP
M CK I3 G % ). %
+ M H3 *C + N C7A C + M 2)S3 C + * C
23 2F X 2 % 9 r % ,% H K C ( C + % ). % .
2DQ % 2A ' 9 5K% C7A D . % 0U.S3
23 % = 3/ PX 6. % V . 5K% A3 C7A G % .
2F X = G % 2F X) 2 E%
(C7A 2F X
23 CJ I3 m UP3 (
C * 6. % V . 5K% CU C
23 w 9 ? w d9 ? 9 D
. / F C Z 3 5K%
^ 3
O 3 * PX
E
* 2F X G m UP3
2F X 2 E% % 23 9
( ) CP % ? C C7A 2F X ƒ + 5
23 ( ( ]
15 [ .
E ∑0# D0' Y0! (5)
C' n
D
n
Y
2F X Z 9 9 C ( 2 E% m UP3
n
L%
.J 2F X
N
. % 2F X ( % 9 @
r '
E
23 w 9 2K ( % D = C 3 % I3 C . D
K 3 ƒ ( ( / C %
= 3/ c % ? C
) 6 ) ( 7 % ( ] 15 [ :
w3 t 1! w3 t! ηΔw3 t! (6 )
Δw3 t! '7:78;<9=!! (7 ) C'
η
% D _ G + 3
0 1 23 m S. % *
wij(t+1)
F ( wij(t)
23 2UAE (
n
E
O 3 ^ 3
5K% % 2F X PX
n
. % L% 23 5 D
23 0E .3 * PX H' ^ 3 C'
E
* 5K% C % % I3 %
H' % 9 . ' G 9 ƒ . / /
= 3 ( C
] 15 [ .
5 ) " B J
6 H1 % Z 3 Z ' 9 % ). % *h Id9 G %
2DQ 2DQ , 2 .A3 2 3 ? PE 2 .A3
%
R% S. % % C' % 6 % . % .)D 2DQ CU F H' C 79 F C * U ( 3 ? PE % ? AT
23 C PE . .J % / % 9 H3 C' ). % .)D % 9
M H3 D Ad T 2 % / % .d3 C C.J C'% C' % 3 . 9 C PE ] ( 9 ' 2U X
23 r % ,% C U' M 2. ? C ?4 F O PI9 .
C 79
. % C., D L % Ad 5 „ H7 29 % .d3 ) H7 1 23 ( 6 % % F rS M CU F M ( .
) H7 1 G N cX :O PI9 d ( D % F 3 ?4 F % 27 :( M
23 ( 6 % O PI9 C 1 .
Fig. (1): A sample utterance of dataset and segmentation process: dot lines correspond to a segment
2DQ Z % [ h Id9 G % ). % 3 C K % MFCC
. .J
2€DQ G 9 €' (% € T C Z % [ G % € D e S€69 €
23 C.X , % V
5 C PE Y Z % [ Ad
MFCC 3 , %
2€3 CA€ d G€ % % % € 9 C€N C€7 % . €
€3 C€K I3 G€ % € € % Z 3 D e S69 % Z % [ % Z % €[ % 9 . % C., D % E 2 12
% r % €,% \ €9 C€
. % C., D % E 2 3 .J 2 / '
% C., D % E ). % 3 CK I3 G % C' 5 2DQ Z % [
D ( 2 . / Z % [ . % 2 . / MF 3
( '
,
C PE % 5
.)D CA d3 23 . Z % [ G % 23 R% S. % C PE % 2.1% C ? PE % L% ' ( N C. H3 2 % '% % / % % Z % [ G % * .J }% Ad ? sX 2 X C % / C % / M % >D % D 23 r 5 % . % *( 2 . / Z % [ CA d3 % . H A9 Ad MF 3 ^ N uP ' Daubechies ) db1 23 C 9 ( uP 5 C 9 . 4 * 30 C D 23 / C' Z % [ ( 2 . / 23 9 G % D CA d3 23 . 5 ) 1 ) D ;E . B F 2;E : ; 7 ! 2DQ 5 % % 3 , N V ' , C V ' , 3 . 5K% % / CA d3 % C' .J = G % 5 ). %
PSD ). % 23 . G % . 5K% V ' , 3 , V ' , C % % , ( ) .)D C PE ( R% S. % 23 . ' C G % w 3 C L I3 2 W % U C'% M .)D C PE % . % 23 2 3 , C V ' , 9 . R% S. % (/ % x+ 3 € %>€D C .€ / 2T € % % '% 21% 2 % 2DQ 23 ). % V ' , ( 3 ( €3 W % O 9 % ). % . 5 € .' , % .Jn' M C 3% * ) % AT _ * 9 ' = G % . % % .3 ' G % % .)D € o C .€ / € 2 .A3 €w €3 € .3% m S. % C . / I3 h E G 9 .J . % % t 1 J %>D C . / F * % .Jn' M C 3% * W % 2 .3% N Z ' 9 % CK I3 G % % % '% 21% 2 F * .' , ) % AT _ 2 .3% C CF 9 C C . / I3 . % ). % }% CA d3 U 9 ( D % 3/ M C … 3 C . / C7 / G [ . % 2I, ? C % .Jn' 14 23 w 9 M C 3% C' 2 / % . C Vn ? C % . % % '% rS M % .Jn' 23 j9 2K ? * % '% 21% ' 1 ' G % * ' x t% 23 2 C >D ?% j9 9 rS % 1 . † dK (/ C V ' , ) CP % % 9 ' ( 3 W % , % 8 23 CA d3 ( (/ C' En m E W % n *L% W ] s(i) .)D C . % x+ 3 2 21% % 9+ % '% 21% W % uP . % }% E0 ∑ s i!># (8)
2 21% C * % .' , 5 3 ' .)D }% = % .' , CA d3 % . % % ' G % r % ,% Kat'z ] 16 [ ) 3 , % .' , = G % . % ). % 9 ( d3 23 CA : FD0 @A@ABCBCD!E! (9)
(/ C' FDn m E .' , n *L% L 5 2 d 3 H' ] % 2K% .3 … I G CU , ^ 3 ( d CU , 5 C G K % G 2 UE% C CU , G .6 C' % % . % % L d ) c % ? C 10 ) ( 11 23 CA d3 ( : L ∑>J GH s i 1! ' s i!! 1I # (10)
d maxNdistance s 1!, s i!", i 2, … , WT (11)
% 9 ? C C' % ) % AT _ * ' j9 ? , 23 0 9 5 34T * % .Jn' M CA d3 % . 23 CA d3 % .3 = % 5 L .Jn' % . % . CU , % .Jn' M C 3% Vn 5 / 2 9 15 2U 3 2 C o 23 ) c % ? C C . / I3 . 12 ) 9 ( 15 23 0 9 ( : Th1 k1. mean E! (12)
Th2 k2. mean FD! (13)
Th3 k3. median ZCR! (14)
Th4 k4. median CP! (15)
(/ C' mean median ( 6 Z 9 9 C 3 G 5 3 C I3 C . / I3 G % CA d3 d . .J 3/ k1 9 k4 C H Ud9 L % % V % 2 9 ? % 3/
C
2 / % '% 21% e S69 % . % 3/ I3 *}%
CP,
ZCR, FD, E C . / I3 G % E % ). % CA d3
23 CJ I3 G % 2F X .
G % E 2AJN % C' eS63 23 '
2 % '% .)D *? 7 C 1 C … 3 , . % }%
•If (En<0.5.Th1) ˄ (FDn>Th2) ˄ (ZCRn>Th3)→ Silence
•If (0.5.Th1<En<Th1) ˄ (FDn>Th2) ˄
(CPn<Th4)→Unvoiced Speech
•If (En>Th1) ˄ (FDn<Th2) ˄ (ZCRn<Th3)˄ (CPn>Th4)
If (CPn-1<Th4) ˄ (CPn+1>Th4)→ Start of Voiced
Speech, Th4=2.Th4
If (CPn-1>Th4) ˄ (CPn+1>Th4)→ Voiced Speech
If (CPn-1>Th4) ˄ (CPn+1<Th4)→ End of Voiced
Speech, Th4=0.5.Th4
If (CPn-1<Th4) ˄ (CPn+1<Th4)→ Unvoiced
Speech
rS G % E G % 2F X 23 eS63 % + W % % '%
'
C'% ( 6 C' 23 .J
N V ' , C V ' , (% 9
. 5K% % ). % % % 3 , PSD
C'% % . ' CA d3
% 3 3 C PE C' C'% * C. % C'% M % r w
) H7 . % C., D % E CA d3 A3 .6 ] 2
C PE M (
23 ( 6 % 6 = (/ % R% S. % C'% .)D cX C' G N *H7 G JE . % eS63 T
PSD 23 r % C'% G % 3 .
CA d3 % % M E
M C I E 3 C V ' , 3 , CA d3 %
3
. % C., D % E ). %
) H7 2 ) (/ % R% S. % C'% .)D C PE M (
a
% C (
PSD
(/
) C'%
b
(
Fig. (2): A sample speech segment and the extracted vowel (a) with vowel's PSD (b)
5 ) 2 ) 9 @ 2; . >H !
=
w 3 C Z ' 9 C.
*2DQ 2 2DQ , 2 .A3
2DQ 29 ? PE 2 .A3
% . 5K% C X Kmeans
Z % [ MFCC 23 ). % M .)D C PE % .
23 C., D w C X Y ' 3 1 2 2DQ % G % .
35 H3 29 C PE 2 .A3 2DQ 30
*( 2 . / Z [
C' % % 3 , N V ' , C'% M C V ' , 12
Z [ MFCC 23 Z ' 9 29 C PE (/ C X ' 3 C … 3 .
( D % YrS % C' 2 2DQ % ^ 3 23 R% S. %
% M 47 % ). % ? C' % eS63 . % X
Z [ .6 % 9 MFCC
. , % X r % ,% 2DQ %
23 % 2AsT C7A C (% T C 2DQ % Vn .
CIA] F C., ' C 2AsT C7A ( .n C7A *
C *C +
23 2)S3 C + % 9 .
D % % % % C +
% C' % 2DQ 47
23 ( % 9 . % 2)S3 C +
% % 25.J ( D D ^ 9 C L 15
r 3 / 3 D
23 C 2 9 = h Id9 G % CU1 3 G N % V . /
/ 7U T G . *r 3 50
% 2)S3 C + ( 40
(
. % L 2)S3 C + C 2 . % 2 9 ? 6 3 / \ .
) F 2AsT C7A 7U T G . 1
2 . % 3/ (
2DQ % C … 3 48
. % ( K 1 6 Y
63 C' P 23
( % 9 .6 r % ,% C 3
2 2 _ 2 Jd3 j9
% D ( 3 9
23 r % ,% x [ .
C + % .6 % 9 % ). % C 2)S3
. J 3 * J9 = 3/ CU1 3 ? A d3 A % 1 H K % ( N 2AsT C7A 2F X 23 C'
% 9 16 0U.S3 K 1
% % C A D e S69 .J L% D } U . '
) H7 h P3 3
G % ). % 2AsT C7A .X . % (
) H7 L% D } U 4
(/ C' % % ( 6 ( NH
% 9
( 23 ( % 2)S3 C + PX % . '
C7A = 3/
) H7 2AsT 5
. % % ( 6 (
Table (1): Experimental results for neural network to achieve the best performance
) F 1 ( 3 / \ . :( 7U T G . C 2 . % 2AsT C7A 2 9
C7A .3% C7A .3%
3 D e S69 _ G 5 ZJ1 = 3/ ( 3
C o
C + % 9 2)S3
1 % 2)S3 C + 40
(
L 2)S3 C + 30
(
L 2)S3 C + 20
( 80
98.4756
2 85.33
242.6515
3 86.66
518.0851
( % 9 % 2)S3 C +
40 2)S3 C + % %
2)S3 C + L
30 ( 85.33
242.6515
45 86.66
348.6753
50 88
384.6829
55 89.33
501.5637
( % 9 L 2)S3 C +
30 2)S3 C + % %
% 2)S3 C + 50
( 88
384.6829
35 90
412.0913
40 97.33
498.3161
45 98.66
617.1348
0 50 100 150 200 250 300
-10 -5 0 5 10
speech signal
Time in ms
a
0 20 40 60 80 100 120 140
0 1
x 10-4
b
) H7 3 .X :( D e S69 .J
Fig. (3): The structure of speaker identification system
) H7 4 2AsT C7A .X :(
Fig. (4): Neural network structure
) H7 5 2AsT C7A = 3/ PX % :(
Fig. (5): Neural network training error curve
6 ) 3 C L
JE G % = % ). % / H Ud9 ? 6 3 / \ .
23 9 . % 3/ D e S69 % .3 = N 6 J9 ) K 1 ( K 1
AJ O F 2 D L % 0U.S3 C 5
. %
6 ) 1 ) !
% / 5 H3 r 3 % % C .)D
15
H3 D
8
( 7 % 5 % C' % 3 TIMIT
R% S. % G % . %
% C V ' , %
16 E 9 U ' bit
16 ? C
H , wave O F / D . % 10
' ( % CU F
C' % 2 CU F } .63 ( D D C G
8 5 CU F
. .J ? ).3 8
… 3 .)D ? PE R% S. % % '>3 CU F
2 3/ ( D % C 2
% E ). % 3 J9 % } .63 CU F
C., D ?4 F .J U 9 % ? ).3 ?4 F % ). % . %
T % 2I E r lT * J9 % } .63 K 1 (/ 7U
23 G.3 % HI.J3 .
G % CK I3 % R% S. % 2DQ
MFCC , 2 .A3 C'
, ] * .J 40
2U 3 , 2 n C o 30
2U 3 C o
C., D w .J E r % ,% w 3 C 1 G % . %
3/ 2 %
2DQ R% S. % % * 5
JE .)D k
(? 7 ) 5
Ad 2
@>1
2DQ R% S. % % (/ 4T . C'% 2 .A3
CU F %
3 , C V ' , HE% 1 1 .)D C PE C' % L +
PE % ). % C7 / G [ . C'% M 9 ' 1 % r ?
2DQ 2 / ' * U D e S69 % 2 . / 2 .A3
23 r ' 3/ CU1 3 G % .
% Q % % %
. % % X
? 7 CK I3 G % CU F % / CT 3 ? U' G
L % ). % % ,%
15
PRAAT @>1
.)D ? PE % M
. % X• % 3 29 H , M 23 ( 6 .6 2
M9 % F *O PI9 ^ G . C' C.AK% . % 2 2
C'% C' % 3 2X % % 9 ' J
.6 % 9 % % % /
' , R% S. % 9 % ). % C U' . 6 % PX C V
C D c 9 ( % % d (/ % .d3 C CF 9 CU F ) F . % JI9 .)D C PE % 9 2
? PE % 9 (
( 6 J9 2 3/ ( D % % D C … 3 .)D 23 .
Table (2): Number of speech segments for each speaker
) F 2 % .)D ? PE % 9 :( D C … 3
.)D ? PE % 9 J9 ( D %
.)D ? PE % 9
= 3/ ( D % J F ( D D
7 32 ( 1 D
9 46 ( 2 D
12 40 ( 3 D
8 42 ( 4 D
10 37 ( 5 D
9 45 3 6 D
10 47 3 7 D
9 45 3 8 D
11 49 3 9 D
11 38 3 10 D
9 44 ( 11 D
8 50 ( 12 D
10 36 ( 13 D
7 35 3 14 D
6 24 3 15 D
% I3 @>1 %
DC 5 ' 9 r .U , T%
5
) 3 , c 9 Ad 16
23 K 3 (
] 17 [ @ 9 . 5 7 CJ I3 H E C 3% ? )9 % w
S ^;J_
` (16)
C' Si
* i 5 € C€)K 3 G €3% S
* € %
σ
G 5 € 3 Z€ 9 9 C€
% 3 @% d % S
23 . SNi
* i % C)K 3 G 3% 5
SN
. % ( % K 3 % V
6 ) 2 ) . >H 9 : ; 7 =
2DQ CU1 3 G % R% S.€ % 5 € C€ PE € % €w 3
23 € ( € K 1 2 3/ ( D % % 2DQ R% S. % . AJ % 2sS63 % I3 % % C ( ' C, [% % V J9 ( D %
23 L % C 5 . D
12 9 16 Z [ MFCC % V €,
23 R% S. % € % € R% S.€ % Z % [ Vn .
C X M .)D C PE Kmeans
23 T% €' 3 M€ 9
29 € H€ , € % € . € / C 29 H , % C X 30
€ ( 2 . / Z [ C, €[% 2€DQ % € C€ € CA€ d3
23 2 .A3 = % ). % Vn . C . /
JE C' %>D
5 1 ( * d3 M C'% W % 2 .)D C PE
= 3 , N C V ' , * PSD
23 R% S. % .
2DQ % ). % C7A Vn = €3/ €d9 2€ 3/ ( D %
23 J9 C., D % E *@ € 2F X 21% ] d C CF 9 .
A€ (% € 3 G € 9 % € 2€ UE% CU€ , € 3 % J9 L 5 X 23 ). % D 2F X C7A 2F CU€ , G €. ' .
2 D (% T C
23 C., D w CA€ d3 €d .
) CP % ? G % C D e S69 2 UE% CU , 17
% ( ] 5 [ :
C0 100 ' a100 ∑ P0' SR0! / ∑ P0 "c (17 ) C' (/ Cn
C A 3 *2 UE% CU , % ). % 3/
Pn
( D D OF 3 @ 2F X SRn
. € 2€3 C7A€ 2F X
' n 23 ( 6 % D G % € €
n={1,2,…,15}
. € % % € ‚T% M9 C M9 H[ )9 *h )9 34T % w 3 . % X 0 9 d H K C % % € % *C7A€ .X @ 2F
4
C€ % 2€ UE% CU€ , '% G C. 3 , . .J ‚T G T ? 0
9 1 23 ( €T (/ m €[ € C' ' 100
23 ( ? C CU , % % I3 G % J' .
100 3
23 C
A€ ( 6 C' /
2€F X € 2€F X
€ ? € C 2 D . % ( D D % M @ ) CP % 18 23 eS63 ( .
) 18 (
C arg max Cn, n 1, … ,15!!
G€€ % * €€6 .€€J €€7U T 2 €€ % C€€J I3 €€w 3 C€€ r 3 / % e S69 _ ^ 23 CA d3 .J
€d € % C€' € % € D e S€69 _ € *2 % 3 % r D% D % C' % ? G % C ' G % CA d3 €w €3 € D * € % e S€69 € 29 ? PE 0s % e S69 u d . %
' * D e S69 _ 4T e S69 _ (% T 5
' G % CA d3 % . % C., D w .)D C PE ( D % F 3 Ad 5 ? PE H' ^ 3 % . % r 3 /
23 CA d3 C C7A c 9 C' 2K 5 ? PE % 9 Vn .
ZJN 2. 2
23 CA d3 % C PE H' ^ 3 . D
5 2 2. C C' 2 ? PE H' JI9 %
5 5 e S69 _ 5 * ? C F 3 ) c % . %
19 ) ( 20 C PE e S69 _ CA d3 d Z 9 9 C (
23 ( 6 % D e S69 _ 29 .
) 19 (
Segment Accuracy%
100H∑ Truely Detected Segments! ∑ All segmants!⁄ I
) 20 (
Speaker Accuracy%
100H∑ Truely Detected Speakers! ∑ Speakers!⁄ I
x [ r w 3 C u d
7U T C7A ( C + C CF 9
J9 H1% 3 23 9 *eE D .1% C7A = 3/
F C
= 3/ % V C7A CU1 3 . % L % \ * M % % * (
23 % E J9 3 . D
\ 2] C . G . 2 % .3% G 5 3 = 3/
C7A J9 . % C., D % E ). % 3 2 % .3% (% T C
Table (3): Recognition results in noise-free condition
) F 3 :( K 1 e S69 \ . (
e S69 _ G 5 3 .)D C PE
e S69 _ G . .)D C PE
_ G 5 3 D e S69
_ G .
D e S69 2DQ %
63.08 80.88 62.66 86.66 MFCC Z [12
76.32 85.29 89.33 100 W %+MFCCZ [12
66.76 77.20 76 86.66 2 . /+C V ' ,+ 3 , +MFCCZ [12
82.20 83.82 97.33 100 2 . /+C V ' ,+ 3 ,+ W %+MFCCZ [12
Table (4): Recognition results in -2dB SNR
) F 4 C 5 AJ e S69 \ . :( 2
H 2
e S69 _ G 5 3 .)D C PE
e S69 _ G . .)D C PE
e S69 _ G 5 3 D
_ G . e S69 D
2DQ %
53.38 65.44 54.66 80 MFCC Z [12
42.79 58.08 37.33 53.33 W %+MFCCZ [12
44.85 61.74 46.66 66.66 2 . /
52.05 55.88 54.66 60 3 ,+C V ' ,+2 . /
59.70 72.79 61.33 86.66 2 . /+ 3 ,+C V ' ,+MFCCZ [12
6 ) 3 )
9 @ 2; M1 3N % 3 C L
!
% r 3 / G K % 12
Z [ MFCC Z ' 9
% 2)U.S3
2DQ ? C D e S69 \ . . % ). %
( K 1 C . G . ? C G 5 3
2 2 ) % F Z 9 9 C H 3
) ( 4 C U' . % % ( 6 (
3 r % ,% 2U' K 1 . % ( ? C \ . G 5
23 ( 6 % \ . % A 2T e S69 .
C' 2K 1
e S69 _ G . r % ,% 23 *2 9 C
% ( 6 % 9
.3 D C7A 5
. J9 = 3/ CU1 3
) F C' P 3
23 63 ( e S69 _ G .
% % C D 12
Z [ MFCC C 9 ' ( 3 W % % C 23
2DQ C U' Z ' 9 % % C 2 63 C . . / H 1
23 Z ' 9 % ). % D e S69 _ G 5 3 1 G % .
2DQ 23 ( 6 CUˆJ3 G % . % 9+ J 6
2DQ G % Z ' 9 ? T4]% 1
h E D Ad % 9
% 5 2A 3 d C * U 9 \ C7A G % * % 23 23 r % ,% _ G . ' e S69 _ G 5 3 .
k UT . % F .)D C PE e S69 _ 3 2 63 F YL 0 .)D C PE e S69 _ G . C7 / 0 %
Z ' 9 K 1 5 2s S69 3 C * % . 2' % X/ 2DQ = C AJ 2 Jd3 ] C . .J 9+
F * 6 = C 3 I3 (% 3 2 w 3 C ) 4 C 5 AJ e S69 3 ( 2
2 ( 6 H
. % % ) F @4X
3 % % C e S69 _ % *(
Z ' 9 MFCC % I3 G . ' C ' ,% ? C W %
23 CUˆJ3 G % H K . %
. C W % J1 % 9
2DQ % C. G % % 2 63 x43 ' G % ( K 1
2 63
Z 3 c % C' % 9
Z % [ Y 6 Z ' 9 . A W % ' H3 2DQ % C AJ % D e S69 _ G . K 1 W % ( = . % % r % ,% 2 Jd3 ] C
\ €. €. H€ Ud9 % € 2 . / 2DQ ( L I3 C CF 9 *
% e S69 3 C' % C, [% F G % C 5 0 € 3 , C€ V €' , (/ Z ' 9 Vn 2 . / 2DQ €
23 ( 6 23 ( 6 3/ C \ . .
?4€ F O PI9 C'
Z ' 9 2DQ 2 .A3 , 2DQ 2 .A3 ? PE .)D
% C' 2€3 .J 7U T A lT % 6
€
5 C' oy3 MN ' 1% % ). % ?4 F O PI9 ( % 9
= % ).€€ % €€ 29 €€ C€€ PE e S€€69 G 5 €€ 3 . €€ % C€€U F 9 6 70
/ 59 23 € 9 % % C€ (/ € 4T . % C., A %
6 = % ). % 3 . % % A % e S69 _
6
) 4 ) ; OP Q@ ;A < R E MFCC
6 S 7 ;T1+U ;=
" B
D ? T4]% T rS C' % % C. >D ' G CA9 3 Z % [ MFCC
% € % € 9 % ).€ % € % % E
2 e S69 _ A C 3 Z % [ ]
18 [ . C r 3 / G %
2 op9 Z % €[ % € 9 r % €,% MFCC
e S€69 _ € €
% \ €9 C Z % [ % 9 . % C.X% 12
€ % r % €,%
\ . . % CA d3 e S69 _ cA9 3 3 N % 5 AJ % % C ( K 1 ? 6 3 / G % € C
2 2 ) % F Z 9 9 C H 5
) ( 6 C€' €] ( . % 3/ (
% Z % [ % 9 r % ,% % eS63 15
C 16 _ 3 C U' *
23 ,% e S69 C€ € 3 % € 9 G€ % % r r % ,% G % . '
2 e S69 _ A .
) F 2 5
23 ( 6 ( ( K 1
2 9 A
9 Z % [ % 9 r % ,% % % C e S69 3 C 15
F C Z [
23 C€' € % ( J7 ?+ 1 C D e S69 _ G . . /
% 2€I E / C.AK% c
% % C€ . €J .€J €7U T 16
Z €[
23 ,% .J 7U T C … 3 e S69 _ G . G % '
15 & Jd3 ] C G % . % Z [ ) F 9
6 % % C€ (
C 5 AJ 2
2 23 63 H €K 1 C7 % .
) F Y w 3 % \ . 5
\ . G . ( | 3% * % % (
% % C 15 23 C Z [ . /
Table (5): Recognition results with gradually increased number of MFCC coefficients in noise-free condition
) F 5 :( op9 Z % [ % 9 r % ,%
MFCC
( K 1 e S69 _
C PE e S69 _ G 5 3 .)D
C PE e S69 _ G . .)D
e S69 _ G 5 3 D
e S69 _ G . D
% 9 Z % [ MFCC
63.08 80.88 62.66 86.66 12
68.67 78.67 73.33 86.66 13
70.29 78.67 77.33 86.66 14
73.23 80.88 78.66 86.66 15
68.97 80.14 74.66 86.66 16
Table (6): Recognition results for naive and hybrid feature vectors with increased number of MFCC coefficients in -2dB SNR
) F 6 :( op9 Z % [ % 9 r % ,%
MFCC
C 5 AJ 2A ' 9 k 2A ' 9 K 1 2
2 H
e S69 _ G 5 3 .)D C PE
e S69 _ G . .)D C PE
_ G 5 3 D e S69
_ G . D e S69
2DQ %
53.38 65.44 54.66 80 MFCCZ [12
51.47 66.17 54.66 73.33 MFCC Z [13
34.70 43.38 32 40 MFCCZ [14
53.23 73.52 56 80 MFCC Z [15
37.05 52.20 37.33 60 MFCCZ [16
53.52 55.88 50.66 60 2 . /+ 3 ,+C V ' ,+MFCCZ [15
Table (7): Performance of speaker identification system for three sets of feature vectors
) F 7 2DQ % % C. C % % C D e S69 .J 7U T :(
29 C PE e S69 _ G 5 3 D e S69 _ G 5 3 SNR 2DQ %
74 82 40
6 =
70.58 76.66 30
67.52 74 20
65 69.23 10
59.70 61.33 -2
68 73.9 40
15 Z [ MFCC
65.23 69.80 30
61.88 66 20
57.7 62.66 10
53.23 56 -2
61.77 61.20 40
12 Z [ MFCC
60.01 59.8 30
58 58.50 20
56.47 57.66 10
53.38 54.66 -2
' 9 CU1 3 *\ . G % C CF 9 2€DQ Z
€6 €
G % 15 Z [ MFCC C., D % E r 3 / 3 K 1
) F C . . % 6
\ €. € C€ . G€ % C€J I3 . € % 3/ (
) F 4 23 ( 6 ( % ). % N C'
15 Z [ MFCC C€
€. € €K 1 ( € | €3% % 2K AE H E \ . 2 9 G
Z ' 9 % % C \ . 12
€ 3 , *C€ V ' , Z [ Z % €[ €
23 C 2 . / 23 CUˆJ3 G % H K . /
€1 % r r % ,% % 9
2€3 lT C' 2DQ % % D € 2 € % 9 C7A€ €
3 , 5 ? AT C . % % Z 3 2 % 5 Z % €[
. / D 2 23 + V ' ,
29 T4]% ( 1 % 9
YZ % [ r % ,% C' MFCC
2DQ C 23 C, [% K 1 G % .
% ). % 15 A C 3 3 % 27 9 *2 9 C Z [
. % 6 = C AJ 2' %
6 ) 5 )
.= D * 7 ;=
" B 6 7
€. 2 / €' C' 2DQ % % C. C 7U T d . % r €3 / €3 C 5 AJ % 0U.S3 I3 % % C * %
\ . C., D % E ) €F
7 . € % € % ( €6 ( ) H7€
6 (
C 5 AJ % % C % D e S69 _ G 5 3 €
2 €9
40 2 23 ( 6 H C€PI % .
C€ … € 3 G €N 12
YZ €[
MFCC cX % * C … 3 G N
15 YZ [ MFCC ( 6 cX
C€' % 2.K 1 2 6 = 12
YZ €[ MFCC €
3 , *C V ' , Z ' 9 2 . /
% C€' €] ( € . € %
% eS63 H7 A€J % 0€U.S3 I3 % % C 6 =
G % € . % . ' ,% . e S69 _ % % C 5 L I3 C AJ ) H7 . % 9
7 % € % C €63 ? 6 3 / \ . (
23 ( 6 .)D C PE e S69 _ G 5 3 3 G€ % C€' €
9 % % 6 = H7 . % 5 = C AJ
) H7 6 2DQ % % C. C % % C D e S69 _ G 5 3 :(
AJ 0U.S3 C 5
Fig. (6): Average speaker recognition rate for three sets of feature vectors in different signal to noise ratios
) H7 7 :( % % C. C % % C 29 C PE e S69 _ G 5 3
AJ 2DQ 0U.S3 C 5
Fig. (7): Average speech segment recognition rate for three sets of feature vectors in different signal to noise ratios
7 ) ; .W
DQ Z ' 9 % CK I3 G % 2
, 2 .A3 2DQ
9 ). % .)D rS M % R% S. % YG.3 % HI.J3 op9
r ' G.3 % HI.J3 D e S69 .J 2 / ' = % ). % F C . G 5 3 H~3 % .3
% * D
2DQ % r ' ( 3
A3 i 9 ' = X % , 2 .
Kmeans % 6 = 2 / ' ? 6 3 / \ . . ). %
-5 0 5 10 15 20 25 30 35 40
50 55 60 65 70 75 80 85
SNR ratio
%
M
e
a
n
S
p
e
a
k
e
r
A
c
c
u
ra
c
y
12 MFCC 15 MFCC Proposed
-5 0 5 10 15 20 25 30 35 40
50 55 60 65 70 75
SNR ratio
%
M
e
a
n
S
e
g
m
e
n
ts
A
c
c
u
ra
c
y
AJ % 0U.S3 I3 % % C ( K 1 5
23 ( 6 C K 1 3/ C \ . C CF 9 .
C 5 AJ 2
. G . H 2 Z ' 9 % % C \
12
3 , *C V ' , Z [ G % C' 3/ C 2 . / Z % [
2DQ % Z ' 9 G 5 3
(% 3 C % D e S69 _ 67
/ 6 %
(% 3 C % .)D C PE e S69 _ G 5 3 32
/ 6 = C AJ %
2 .A3 % .3 12
Z [ MFCC . % % r % ,% %
C' 2 /
, % ). % F C CK I3 G % .)D ? PE %
% ).
23 r ' ? C .)D 1% % 9 * % Z ' 9 G % .
2DQ / ( D % 1 2DQ % r % ,% 3
% J9 =
2 r % ,% 23 6 1 G % .
3 % C H1 F
C 79 O PI9 % *2. ( D % M 9 3 9% O PI9 ). %
. 2
23 C L I3 Z 3 % 2 2 % / N 1% (% 9
2DQ Vn ' % F ?4 F . ' R% S. % % G.3 % HI.J3
B
:D 1- MFCC
2- WPT 3- DWT 4- Open-Set 5- Closed-Set 6- Phonetic context 7- MFCC
8- Frame Based 9- Approximation 10- Detail 11- Wovels
12- Power spectral density 13- Auto-Regressive 14- Addaptive 15- PRAAT
References
[1] R. ShanthaSelvaKumari, S. SelvaNidhyananthan, G. Anand, "Fused Mel feature sets based text-independent speaker identification using Gaussian mixture model", Procedia Engineering, Vol. 30, pp. 319-326, 2012.
[2] K. Daqrouq, K.Y. Al Azzawi, "Average framing linear prediction coding with wavelet transform for text-independent speaker identification system", Computers & Electrical Engineering, Vol. 38, No. 6, pp. 1467-1479, Nov. 2012.
[3] A. Shafik, S.M. Elhalafawy, S.M. Diab, B.M. Sallam, F.E. Abd El-samie, "A wavelet based approach for speaker identification from degraded speech", International Journal of Communication Networks and Information Security (IJCNIS), Vol. 1, No. 3, Dec. 2009.
[4] M.I. Abdalla, S.A. Hanaa, "Wavelet-based mel-frequency cepstral coefficients for speaker identification using hidden markov models", JOURNAL OF TELECOMMUNICATIONS, Vol. 1, No 2, March 2010.
[5] K. Daqrouq, "Wavelet entropy and neural network for text-independent speaker identification", Engineering Applications of Artificial Intelligence, Vol. 24, No 5, pp. 796–802, Aug. 2011.
[6] Md. Murad Hossain, B. Ahmed, M. Asrafi, "A real time speaker identification using artificial neural network", 10th international conference on computer and information technology, iccit, pp.1-5, 27-29 Dec. 2007.
[7] E. Avci, "A new optimum feature extraction and classification method for speaker recognition: GWPNN ", Expert Systems with Applications, Vol. 32, No. 2, pp. 485–498, Feb. 2007.
[8] H. Harb, C. Liming, "Gender identification using a general audio classifier", Proceeding of the IEEE/ICME, Vol. 2, pp. II-733-736, July 2003.
[9] H. Harb, L. Chen, "Voice-based gender identification in multimedia applications", Journal of Intelligent Information Systems, Vol. 24, No. 2-3, pp. 179-198, March 2005.
[10] J.A. Bachorowski, M.J. Owren, "Acoustic correlates of talker sex and individual talker identity are present in a short vowel segment produced in running speech", Journal of the Acoustical Society of America, Vol. 106, No. 2, pp. 1054–1063, Aug. 1999.
[11] A. Cherif, L. Bouafif, T. Dabbabi, "Pitch detection and formants analysis of arabic speech processing", Applied Acoustcs, Vol. 62, No. 10, pp. 1129–1140, Oct. 2001.
[12] A.M. Noll, "Cepstrum pitch determination", Journal of the Acoustical Society of America, Vol. 41, pp. 293-309, 1967.
[13] W. Yutai, L. Bo, J. Xiaoqing, L. Feng, W. Lihao, "Speaker recognition based on dynamic MFCC parameters", Proceeding of the IEEE/IASP, pp. 406-409, April 2009.
[14] S. Chougule, P.P. Rege, "Language independent speaker identification", Proceeding of the IEEE/ICIT, pp. 364-368, 15-17 Dec. 2006.
[15] S. Haykin, "Neural networks", Macmillan College Publishing Company, Section 5.3: The Steepest Descent Method, 1994.
[16] M. Katz, "Fractals and the analysis of waveforms", Computers in Biology and Medicine, Vol. 18, No. 3, pp. 145-156, 1988.
[17] J.D. Wu, B.F. Lin, "Speaker identification using discrete wavelet packet transform technique with irregular decomposition", Expert Systems with Applications, Vol. 36, No. 2, pp. 3136–3143, March 2009.
