Материалы Международной студенческой научной конференции

Студенческий научный форум 2024

• Авторы
• Файлы
• Литература

Белова Е.П. 1 Машкина И.В. 1 Герасимов В.В. 1

---

1 ФГБОУ ВО «Уфимский государственный авиационный технический университет»

Статья в формате PDF

327 KB

1. Мировой рынок биометрических систем 2015-2022 гг. Обзор рынка, январь 2017 г. // режим доступа: http://json.tv/ict_telecom_analytics_view/mirovoy-rynok-biometricheskih-sistem-2015-2022-gg-20170119025618, свободный.

2. Сорокин В.Н. Верификация диктора по спектрально-временным параметрам речевого сигнала / В.Н. Сорокин, А.И. Цыплихин // Информационные процессы. 2010. Т. 10. № 2. С. 87-104.

3. Машкина И.В., Белова Е.П. Разработка нейросетевой базы данных биометрических образов на основе нескольких параметров спектров гласных звуков для системы аутентификации и авторизации по голосу // Безопасность информационных технологий № 3, Москва, 2019, с. 90 – 102.

4. Belova Ye.P., Mashkina I.V., Research Results of Artificial Neural Network for User Authentication According to Frequency of Fourth Formant of Vowel Sound Phoneme // Сборник научных трудов «2018 International Russian Automatisation Conference (RusAutoCon)», издательство: институт IEEE, номер DOI: 10.1109/RUSAUTOCON.2018.8501680, 2018 г. URL: https://ieeexplore.ieee.org/document/8501680.

5. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов. – М.: Радио и связь, 1981. – 496 с.

6. Сидоренко И.А., Кускова П.А. О спектральном анализе фонем с использованием звуковых редакторов [Текст] / Научные ведомости БелГУ, серия История. Политология. Экономика. Информатика. 2013. № 22 (165). C. 246 – 250.

7. Герасимов В.В., Белова Е.П., Машкина И.В. Выделение характеристик четвёртой форманты гласного звука // Свидетельство о государственной регистрации программы для ЭВМ от 3 апреля 2019 года № 2019614367.

8. Bard 0.1.7 // режим доступа: http://psi-logic.narod.ru/bard/bard.htm, свободный.

Характеристики четвёртой форманты лежат в основе биометрического образа личности, используемого в системе аутентификации по голосу. Их выделение осуществляется посредством специального программного модуля, разработанного авторами статьи. В ходе эксперимента, участниками которого стали 7 человек, их биометрические образы были выделены с использованием разработанного программного модуля и известной программы Bard. Полученные результаты проанализированы.

Анализ рынка биометрических продуктов показывает, что аутентификация по голосу признана одним из наиболее эффективных и экономичных методов биометрической аутентификации [1, 2]. Авторами разработан биометрический образ личности, который базируется на характеристиках четвёртой форманты [3]. Целесообразность использования частоты четвёртой форманты гласного звука доказана в работе [4].

Под формантой понимается концентрация энергии в ограниченной частотной области [5, 6], а под частотой четвёртой форманты гласного звука – частота, соответствующая максимальному значению амплитуды выброса энергии в четвёртой частотной области на спектрограмме.

Характеристики четвёртой форманты включают в себя частоту начала четвёртой частотной области на спектрограмме, частоту четвёртой форманты и частоту конца четвёртой частотной области на спектрограмме.

Данная статья посвящена выделению при помощи различных модулей частоты начала четвёртой частотной области на спектрограмме и частоты конца четвёртой частотной области на спектрограмме.

В работе применяются следующие обозначения:

– F₄ – частота четвёртой форманты;

– F_4s – частота, определяющая начало четвёртой ограниченной частотной области на спектрограмме;

– F_4f – частота, определяющая конец четвёртой ограниченной частотной области на спектрограмме.

Каждый из 7 человек, принявших участие в эксперименте, по 10 раз произносили каждый из трёх гласных звуков: «А», «О» и «Э».

Характеристики четвёртых формант данных гласных звуков автоматически выделены при помощи разработанного авторами данной статьи модуля [7].

В программе Bard [8] выделение соответствующих частот начала и конца четвёртой ограниченной частотной области на спектрограмме осуществляется в ручном режиме. В ходе проведения сравнительного анализа сформированы 42 таблицы (по 7 таблиц (так как 7 пользователей) на каждый гласный звук для представления значений частот начала четвёртой частотной области и аналогичным образом сформированные 21 таблица – для значений частот конца четвёртой частотной области). Пример одной из них – табл. 1.

Итоговый сравнительный анализ полученных результатов при сравнении полученных значений частоты начала четвёртой частотной области приведён в табл. 2.

Итоговый сравнительный анализ полученных результатов при сравнении полученных значений частоты конца четвёртой частотной области представлена в табл. 3.

Таблица 1

Сравнение величин частоты начала четвёртой частотной области гласного звука «Э», произнесённого первым пользователем, Гц

Таблица 2

Сравнительный анализ величин частоты начала четвёртой частотной области гласных звуков, Гц

Таблица 3

Сравнительный анализ величин частоты конца четвёртой частотной области гласных звуков, Гц

Эксперимент показал, что отличия между автоматическим и ручным способами выделения характеристик четвёртой форманты не превышают пределы нормы. Полученные средние величины отклонения, 37,08 Гц и 38,11 Гц, соответствуют погрешностям, обусловленным неточностями ручного измерения, то есть человеческим фактором. Модуль, разработанный авторами данной статьи, показал высокую эффективность при решении поставленной перед ним задачи.

Библиографическая ссылка