А,В,Соколов, 0,М, Степанюк - Скачать документы

262
Таблица 3.3. Вероятность распознавания личности по одной изолированной фонеме
Фонема э о л а и з р в ж м г у ч ц
Зероятность 0,90 0,86 0,84 0,83 0,83 0,79 0,78 0,76 0,74 0,62 0,61 0,60 0,54 0,50 0,48 0,440,37 0,30
В процессе первичной обработки сигнала производится оценка спектральных параметров
речи. Первые системы идентификации личности по особенности голоса строились
исходя из частотных представлений и возможностей средств аналоговой фильтрации.
В основу их работы положена различная тембральная окраска голосов и индивидуальная
неравномерность распределения мощности произносимой фразы по частотному спектру.
Базовыми процедурами для этого класса устройств являются узкополосная фильтрация
сигнала и восстановление его огибающей. Например, подобная система фирмы Texas
Instruments использует гребенку из 16-и узкополосных фильтров с шириной полосы
220 Гц, равномерно накрывающей частотный диапазон от 300 до 3000 Гц. Структура аналоговой
части системы голосовой идентификации приведена на рис. 3.32.
При произношении контрольной фразы система идентификации осуществляет приведение
сигнала к единому масштабу амплитуд за счет работы АРУ входного усилителя.
Полосовые фильтры и детекторы огибающей их откликов позволяют получить 16
функций времени Al(t), A2(t),..., A16(t), характеризующих распределение энергии звукового
сигнала по частотному спектру. Функция A0(t) описывает изменения значения
энергии полного сигнала во всем диапазоне звуковых частот. При обучении система
запоминает наиболее вероятные эталонные значения функций Ak(t) для конкретной
личности и допустимые коридоры отклонений для этих функций.
Первичные параметры речевого сигнала должны обладать следующими свойствами:
Q отражать индивидуальность диктора;
Q быть легко и надежно выделяемы из сигнала;
Q мало зависеть от мешающих факторов;
Q быть инвариантными к эмоциональному и физическому состоянию диктора;
Q слабо поддаваться имитации.
В качестве первичных параметров обычно используются такие характеристики речевого
сигнала, как АЧХ, основной тон, форманты, расстояние между обертонами,
формы импульсов возбуждения, длительность отдельных звуков и т. п.
Как правило, при произнесении парольной фразы длительности составляющих ее
звуков и пауз между ними могут варьироваться в пределах от 10 до 50%. Для компенсации
временной нестабильности произнесения диктором парольных фраз можно использовать
два способа:
Q подгонка под эталон путем сжатия и растяжения участков, соответствующих
отдельным звукам, средствами динамического программирования;
G выделение центра звуковой области и идентификационные измерения в окрестностях
центральной части фонемы, тогда абсолютные значения длительностей
фонем и пауз между ними не играют существенной роли.
По полученным на предыдущем этапе параметрам, исходя из выбранной математической
модели, строится «отпечаток» голоса. Далее производится сравнительный
анализ отпечатков голосов. Анализировать можно различными способами, начиная от