Speaker Authentication

این کتاب بر استفاده از صدا به عنوان معیار بیومتریک برای احراز هویت شخصی تمرکز دارد. به طور خاص، "تشخیص بلندگو" دو رویکرد را در احراز هویت بلندگو پوشش می‌دهد: تایید بلندگو (SV) و تایید اطلاعات کلامی (VIV). رویکرد SV سعی می‌کند هویت یک گوینده را بر اساس ویژگی‌های صدای او تأیید کند، در حالی که رویکرد VIV هویت یک گوینده را از طریق تأیید محتوای گفته (های) او تأیید می‌کند. SV و VIV را می توان برای برنامه های جدید ترکیب کرد. این هنوز یک موضوع تحقیقاتی جدید با کاربردهای بالقوه قابل توجه است. این کتاب ضمن توجه کافی به الگوریتم‌ها و تکنیک‌های پیشرفته و مفید، مروری کلی از پیشرفت‌های اخیر در احراز هویت بلندگو ارائه می‌کند. همچنین یک مقدمه گام به گام با وضعیت فعلی فناوری احراز هویت بلندگو، از مفاهیم اساسی گرفته تا الگوریتم های پیشرفته ارائه می دهد. ما همچنین روش‌های اصلی طراحی را ارائه خواهیم داد و تجربه خود را در توسعه سیستم‌های احراز هویت واقعی و موفق بلندگو به اشتراک خواهیم گذاشت. موضوعات و الگوریتم های پیشرفته و مفید با نمونه های طراحی واقعی و نتایج ارزیابی انتخاب می شوند. توجه ویژه ای به موضوعات مرتبط با بهبود استحکام و عملکرد کلی سیستم، مانند تشخیص نقطه پایانی قوی، نظریه و الگوریتم های آموزشی متمایز سریع، رمزگشایی مبتنی بر تشخیص، احراز هویت متوالی و غیره داده شده است. به عنوان مثال، احراز هویت متوالی بر اساس آماری توسعه یافته است. تئوری تست متوالی با اضافه کردن آزمون‌های فرعی کافی، یک سیستم احراز هویت بلندگو می‌تواند به دقت مورد نیاز دست یابد. روش طراحی احراز هویت متوالی ارائه خواهد شد. برای هر تکنیک ارائه شده، نتایج تجربی را برای تأیید سودمندی ارائه خواهیم داد. ما همچنین تحولات مهم در دانشگاه، دولت و صنعت را برجسته خواهیم کرد و چند موضوع باز را ترسیم خواهیم کرد. از آنجایی که روش‌های توسعه‌یافته در احراز هویت سخنران چندین زمینه مختلف را در بر می‌گیرد، کتاب آموزشی یک انجمن مقدماتی برای طیف گسترده‌ای از محققان و توسعه‌دهندگان از مناطق مختلف فراهم می‌کند تا دانش و مهارت‌هایی را برای مشارکت در زمینه‌های بین رشته‌ای احراز هویت کاربر، بیومتریک، گفتار و تشخیص بلندگو، چند رسانه ای، و تشخیص الگوی پویا.

This book focuses on use of voice as a biometric measure for personal authentication. In particular, "Speaker Recognition" covers two approaches in speaker authentication: speaker verification (SV) and verbal information verification (VIV). The SV approach attempts to verify a speaker’s identity based on his/her voice characteristics while the VIV approach validates a speaker’s identity through verification of the content of his/her utterance(s). SV and VIV can be combined for new applications. This is still a new research topic with significant potential applications. The book provides with a broad overview of the recent advances in speaker authentication while giving enough attention to advanced and useful algorithms and techniques. It also provides a step by step introduction to the current state of the speaker authentication technology, from the fundamental concepts to advanced algorithms. We will also present major design methodologies and share our experience in developing real and successful speaker authentication systems. Advanced and useful topics and algorithms are selected with real design examples and evaluation results. Special attention is given to the topics related to improving overall system robustness and performances, such as robust endpoint detection, fast discriminative training theory and algorithms, detection-based decoding, sequential authentication, etc. For example, the sequential authentication was developed based on statistical sequential testing theory. By adding enough subtests, a speaker authentication system can achieve any accuracy requirement. The procedure of designing the sequential authentication will be presented. For any presented technique, we will provide experimental results to validate the usefulness. We will also highlight the important developments in academia, government, and industry, and outline a few open issues. As the methodologies developed in speaker authentication span several diverse fields, the tutorial book provides an introductory forum for a broad spectrum of researchers and developers from different areas to acquire the knowledge and skills to engage in the interdisciplinary fields of user authentication, biometrics, speech and speaker recognition, multimedia, and dynamic pattern recognition.