Аналіз Ефективності Системи Голосової Ідентифікації На Основі MFCC Та GMM-SVM За Умов Впливу Завад У Каналі Зв’язку

Abstract

У статті розглядається проблематика голосової ідентифікації особи за умов впливу завад у каналі зв’язку інформаційно-телекомунікаційних мереж. При такій ідентифікації виникають всілякі апаратні спотворення і завади, зумовлені особливостями апаратури і пристроїв для запису, обробки і зберігання інформації, а також слід зауважити, що на мовний сигнал неминуче накладаються зовнішні акустичні шуми, які можуть істотно спотворювати індивідуальні інформативні характеристики. З огляду на це системи ідентифікації, що демонстрували досить високу ефективність у лабораторних умовах, під час аналізу мовної інформації із зовнішніми шумами можуть показати надійність, значно нижчу. Нарешті, у низці завдань доводиться проводити ідентифікацію у вельми складних умовах накладення голосів кількох дикторів, зокрема з близькими акустичними характеристиками. Зазначимо, що дослідження можливостей голосової ідентифікації для цього найскладнішого випадку практично не проводилися. Зважаючи на це, головне завдання дослідження полягає в аналізі ефективності системи голосової ідентифікації на основі MFCC та GMM-SVM за умов впливу завад у каналі зв’язку інформаційно-телекомунікаційних мереж, що дасть змогу кількісно оцінити порогові значення потужності шуму при впливі яких ідентифікація особи буде вірною, а при яких хибною. Запропоновану систему голосової ідентифікації особи реалізовано за допомогою таких технологій: 1) виділення ділянок активної мови зі знаходженням значень зміни короткочасної енергії та кількості перетинів нуля між суміжними кадрами мовного сигналу; 2) адаптивна вейвлет-фільтрації мовного сигналу для вирішення задачі шумоочищення, де необхідно провести адаптивну генерацію мікролокальних порогів, що дасть змогу зменшити вплив адитивного шуму на чисту форму мовного сигналу; 3) виділення ознак розпізнавання, де як інформативні ознаки розпізнавання мовних сигналів під час автоматичної ідентифікації особи за голосом використовують мел-частотні кепстральні коефіцієнти, які засновані на двох ключових поняттях – кепстр та мел-шкала; 4) класифікації ознак розпізнавання мовних сигнаів на основі сумішей Гауссових розподілів та методу опорних векторів з використанням лінійного ядра Кампбелла та методу головних компонент з проекцією на латентні структури, що у сумі забезпечить підвищення надійності ідентифікації, що проявляється у зменшенні помилок 1-го та 2-го роду. Запропоновано методику, що дає змогу проводити класифікацію мовних сигналів при накладенні шуму шляхом математичного моделювання спотворень через застосування алгоритму предискретизації, що ґрунтується на використанні дискретного перетворення Фур'є та дає змогу підвищувати частоту дискретизації у задане ціле чи дробове число разів, де як величину, яка кількісно характеризує спотворення, використовують коефіцієнт нелінійних спотворень, який вводиться як відношення середньоквадратичної суми спектральних компонентів вихідного мовного сигналу до середньоквадратичної суми спектральних компонентів вхідного мовного сигналу. Математичне моделювання спотворень мовних сигналів дало змогу провести кількісну оцінку величини цих спотворень, за яких можлива правильна ідентифікація особи. Це показує, що запропонований підхід до оцінки впливів спотворень може використовуватися для аналізу надійності методів голосової ідентифікації.