Abstract:
Ce travail de Magister s'inscrit dans le domaine du Traitement Automatique de la Parole (TAP) et plus particulièrement dans la Reconnaissance Automatique du Locuteur (RAL).Cette dernière a plusieurs axes de recherche, tels que : l'indexation Automatique du Locuteur (InAL), l'identification Automatique du Locuteur (IAL), la Vérification Automatique du Locuteur (VAL), etc.
Nous avons mis l'accent sur la VAL en mode dépend du texte. Pour cela, nous avons utilisé un corpus comprenant des mots prononcés par des locuteurs arabophones et enregistrés dans un milieu ambiant sous forme Wav.
La majorité des systèmes actuels de la VAL, sont basés sur le Modèle de Mélange de Gaussiennes (GMM) en utilisant une méthode (ML). Cette méthode est largement utilisée à cause de sa simplicité et sa traçabilité mathématique, cependant, elle mènera généralement à un modèle sous optimal pour tous les modèles initiaux arbitraires choisis. Pour pallier à cette limitation, nous proposons un algorithme hybride (AG-ML) pour la modélisation du locuteur basée sur les GMM. Nous avons appliqué les Algorithmes Génétiques (AG) à l'apprentissage du locuteur pour vérifier son identité en raison de leurs capacités concernant les problèmes d'optimisation les plus compliqués. Nous avons utilisé la réestimation ML comme un opérateur heuristique pour améliorer la vitesse de convergence de l'AG.
Les Taux de Reconnaissance (TR) sont égaux à 98%, ceux-ci montrent que le la méthode hybride AG-ML proposée est meilleure que celle de l‟estimation traditionnelle ML dans la modélisation du locuteur basée sur les GMM.
