PHÂN TÍCH HIỆU NĂNG CỦA MÔ HÌNH ẨN MARKOV HỖN HỢP GAUSS TRONG HỆ THỐNG XÁC THỰC ĐỊNH DANH NGƯỜI NÓI

Tóm tắt

Nghiên cứu này trình bày việc phát triển và đánh giá một hệ thống xác thực định danh người nói
nhằm nâng cao mức độ an toàn sinh trắc học. Tín hiệu giọng nói được rút trích đặc trưng bằng MFCC
và sử dụng để huấn luyện mô hình Ẩn Markov Hỗn hợp Gauss (GMM-HMM), cho phép mô hình hóa sự
biến thiên theo thời gian của giọng nói. Quy trình huấn luyện và nhận dạng được triển khai bằng bộ công
cụ HTK. Kết quả thực nghiệm cho thấy mô hình đạt tỷ lệ lỗi EER thấp và hoạt động ổn định, khẳng định
tính khả thi của giải pháp trong các hệ thống xác thực giọng nói thời gian thực