АЛГОРИТМ ПОСТРОЕНИЯ СТАТИСТИЧЕСКОГО ДИСКРЕТНО-КОНТИНУАЛЬНОГО ОПИСАНИЯ ДЛИТЕЛЬНОСТИ ЗВУКОВ ПОТОКА ОСМЫСЛЕННОЙ РЕЧИ ДИКТОРА

Бойков Илья Владимирович, доктор физико-математических наук, профессор, заведующий кафедрой
высшей и прикладной математики, Пензенский государственный университет (Россия, г. Пенза,
ул. Красная, 40), boikov@pnzgu.ru
Иванов Александр Иванович, доктор технических наук, начальник лаборатории биометрических и нейросетевых технологий, Пензенский научно-исследовательский электротехнический институт (Россия, г. Пенза, ул. Советская, 9), ivan@pniei.ru
Калашников Дмитрий Михайлович, аспирант, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), kalashnikovdm.penza@gmail.com

004; 519.7; 519.6; 519.66; 612.087.1

Актуальность и цели. Основными проблемами при разработке алгоритмов и программ, реализующих аутентификацию по голосу, являются следующие: вариации голоса пользователя (голос способен изменяться в зависимости от состояния здоровья, возраста, настроения и т.д.); наличие шумовой компоненты. Решение этих проблем позволит применять голосовую технологию аутентификации, которая обеспечит наилучшую защиту персональных данных, простоту в применении, и которая является наиболее дешевой среди существующих технологий идентификации личности.
Материалы и методы. В работе использованы численные и цифровые методы обработки сигналов, спектральные методы, методы математической статистики и временных рядов, а также искусственного интеллекта и распознавания образов. В основу построения фрагментатора положена континуальнодискретная модель обработки речи, которая в сочетании с узкополосным фильтром позволяет определять среднюю длительность звука.
Результаты. Показано, что качественный классификатор речи тон/шум должен давать выходные данные «0» и «1», длительность которых описывается континуально-дискретным распределением значений длительности интервалов между участками тональных звуков, распределенных по нормальным законам. Дискретная часть распределения образуется дискретным характером потока появления в речи тональных и шумовых звуков, а также их сочетаний (пар, троек, четверок и т.д.). Непрерывная (континуальная) часть распределения значений длин звуков обусловлена нестабильностью речи при смене темпа произношения. Приведен метод вычисления средней длины одного звука осмысленной речи. Данное исследование позволило построить автомат по определению средней длины звука на различных участках звукового сигнала.
Выводы. Предложен численный алгоритм идентификации речи отдельного диктора, позволяющий производить синхронизацию участков речи. Использование разработанного алгоритма позволило уточнять значения параметров, характеризующих статистическое описание длительности интервалов между шумовыми звуками речи и между тональными звуками Проведенное исследование позволило построить автомат по определению средней длины звука на различных участках звукового сигнала. Полученные результаты являются базой для построения нейросетевых технологий аутентификации.

Ключевые слова

численные методы, цифровая обработка сигналов, биометрические системы, голосовая аутентификация.

 Скачать статью в формате PDF

1. Dodis, Y. Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy / Y. Dodis, L. Reyzin, A. Smith // EUROCRYPT. – 2004, April 13. – P. 523–540.
2. Monrose, F. Cryptographic key generation from voice / F. Monrose, M. Reiter, Q. Li, S. Wetzel // Proc. IEEE Symp. on Security and Privacy, 2001.
3. Нейросетевая защита персональных биометрических данных / Ю. К. Язов, В. И. Волчихин, А. И. Иванов, В. А. Фунтиков, И. Г. Назаров. – М. : Радиотехника, 2012. – 157 с.
4. Технология использования больших нейронных сетей для преобразования нечетких биометрических данных в код ключа доступа : моногр. / Б. С. Ахметов, А. И. Иванов, В. А. Фунтиков, А. В. Безяев, Е. А. Малыгина. – Алматы : Изд-во LEM, 2014. – 144 c. – URL: http://portal.kazntu.kz/files/publicate/2014-06-27-11940.pdf
5. Рамишвили, Г. С. Автоматическое опознавание говорящего по голосу / Г. С. Рамишвили. – М. : Радио и связь, 1981. – 224 с.
6. Маркел, Дж. Д. Линейное предсказание речи / Дж. Д. Маркел, А. Х. Грей. – М. : Радио и связь, 1980. – 248 с.
7. Канторович, Л. В. Функциональный анализ / Л. В. Канторович, Г. П. Акилов. – М. : Наука, 1977. – 750 с.
8. Соломина, А. И. Основы цифровой обработки сигналов / А. И. Соломина, Д. А. Улахович, С. М. Арбузов, Е. Б. Соловьева. – СПб., 2013. – 768 с.
9. Баку шинский, А. Б. О решении некоторых интегральных уравнений 1 рода методом последовательных приближений / А. Б. Бакушинский, В. Н. Страхов // Журнал вычислительной математики и математической физики. – 1968. – Т. 8, № 1. – С. 181–185.
10. Обломская, Л. Я. О методах последовательных приближений для линейных уравнений в банаховых пространствах / Л. Я. Обломская // Журнал вычислительной математики и математической физики. – 1968. – Т. 8, № 2. – С. 417–426.
11. Данфорд, Н. Линейные операторы. Т. 1. Общая теория / Н. Данфорд, Дж. Шварц. – М. : ИЛ, 1962. – 895 с.
12. Люстерник, Л. А. Элементы функционального анализа / Л. А. Люстерник, В. И. Соболев. – М. : Наука, 1965. – 540 с.