4.1 Техническая характеристика технологии VoiceKey

Технология идентификации по голосу Voice Key основана на уникальности геометрии речевого тракта каждого человека. В Voice Key используется спектрально-формантный метод, базирующийся на различных спектральных характеристиках речи разных людей. Спектрально-формантный метод основан на анализе поведения трех и более формант (спектральных максимумов), отражающих уникальность геометрии речевого тракта индивида.

Наиболее явно различие спектральных характеристик проявляется в соположении формант в вокализованных отрезках речи. Пример формантного представления речи двух разных людей при произнесении фразы «Голосовой поиск» приводится на рисунке №1 ниже (по вертикальной оси - частота сигнала в Гц, по горизонтальной - время звучания в секундах, степень зачернения отражает концентрацию энергии).

Рисунок №1. Пример формантного представления речи двух разных людейИспользуемый в Voice Key спектрально-формантный метод основан на выделении и сравнении положения и динамики поведения трех и более формант. Используется несколько десятков параметров, характеризующих формантную структуру речи.

Принцип работы включает 4 основных этапа:

· Создание шаблона -- сведения о физиологической или поведенческой характеристике преобразуются в форму, доступную компьютерным технологиям, и сохраняются в память биометрической системы

· Выделение -- из вновь предъявленного идентификатора выделяются уникальные признаки, анализируемые системой

· Сравнение -- сопоставляются сведения о вновь предъявленном и ранее зарегистрированном идентификаторе

· Решение -- вносится заключение о том, совпадают или не совпадают вновь предъявленный и ранее зарегистрированный идентификатор

Заключение о совпадении/несовпадении идентификаторов затем транслируется другим системам (контроля доступа, защиты информации и т.д.), которые далее действуют в зависимости от полученной информации.

Важнейшим элементом успешного распознавания дикторов является выбор информативных признаков (речевых параметров), способных эффективно представлять информацию об особенностях речи конкретного диктора.

К ним предъявляются следующие требования:

эффективность представления информации об особенностях речи конкретного диктора;

простота измерения;

стабильность во времени;

частое и естественное появление в речи;

невосприимчивость к имитации.

В качестве уникального вектора признаков можно использовать одномерный частотный вектор кепстральных коэффициентов, а также вектор, составленный из его производных.

Кепстральные коэффициенты определяются в соответствии со схемой, представленной на Рисунке №2:

Рисунок №2 - Общая схема кепстрального анализа сигнала (FFT - блок быстрого преобразования Фурье сигнала, LOG - блок логарифмирования спектра, IFFT - блок обратного быстрого преобразования Фурье)

В качестве вектора признаков можно использовать коэффициенты отражения. Физический смысл коэффициентов отражения состоит в определении величины волны, отраженной на границе двух акустических труб.

Коэффициенты отражения рассчитываются путем преобразования вектора коэффициентов предсказывающего фильтра a в коэффициенты отражения соответствующей решетчатой структуры по следующему рекурсивному алгоритму:

k(n)=an(n) (1.1)

(1.2)

Данные формулы основаны на рекурсивном алгоритме Левинсона. Для его реализации в цикле перебираются элементы вектора a, начиная с последнего и заканчивая вторым.

Иногда используются также функции от коэффициентов отражения - логарифмические отношения площадей (Log-Area Ratio - LAR):

(1.3)

где ki - коэффициенты отражения.

Еще одним признаком являются площади поперечных сечений акустических труб. Голосовой тракт можно представить в виде последовательности р акустических труб одинаковой длины и различных диаметров, имеющие площади поперечных сечений Ai. Представление голосового тракта в виде последовательности труб изображено на Рисунке №3.

Площади поперечных сечений Ai акустических труб вычисляется через коэффициенты отражения:

(1.4)

где р - порядок линейного предсказателя,

ki - коэффициенты отражения.

(A2 ,..., Ap+1) - вектор признаков, основанный на площадях акустической трубы.

Рисунок №3- Представление голосового тракта в виде последовательности труб

Коэффициенты отражения определяют соотношение площадей соседних секций. Таким образом, площади поперечного сечения не определяются абсолютно точно, но все-таки эти площади часто бывают сходными с конфигурацией голосового тракта, используемого человеком при речеобразовании.

В настоящее время на мировом рынке существуют аналоги данной системе. Это технологии STC Grid ID, Veri Speak, BioLink AMIS, VOCORD VoicelD, Трал Лаб и М ID.

Отличительные особенности каждой из систем представлены в таблице №2.

Таблица №2

1.Технологии шумоочистки речевых сигналов:

1) BABBLE NOISE - технология подавления шума толпы

2) MUSIC NOISE - технология подавления шума музыки

3) NONSTATIONARY NOISE - технология подавления нестационарных шумов

4) PULSE NOISE - технология подавления импульсных шумов

5) TONAL NOISE - технология подавления тональные помех

6) WIDEBAND NOISE - технология подавления широкополосных шумов

7) GSM HINDRANCE - технология подавления наводки мобильных телефонов

8) CLIPPING - клиппирование сигнала - обрезание пороговых значений.

9) REVERBERATION & NOISE - реверберация

2. Пиковая производительность - максимальна возможная скорость работы системы.

3. Возможность удаленной работы - поддерживаемые браузеры и типы Веб-интерфейса в совокупности с защищенными протоколами передачи данных.

4. Платформонезависимость - определяет, в какой степени система совместима со всеми существующими операционными системами, что позволяет подстраиваться под IT-инфраструктуру Заказчика.

5. Комбинации с другими биометрическими методами:

1) VERILOOK - идентификация лица, отпечатков пальцев и ладони

2) VERIFINGER - идентификация отпечатков пальцев и ладони

3) VERIEYE - идентификация радужной оболочки

6. Длительность аудиозаписи - длительность аудиозаписи для корректного получения индивидуальных особенностей голоса диктора, используемых при построении «дикторской» карточки.

7. Отношение сигнал/шум - в таблице указаны минимальные значения параметра.

Проанализировав данную таблицу можно сказать, что технология Voice Key является конкурентоспособной благодаря оптимальному соотношению цены и функциональности. Данная система поддерживает основные технологии шумоочистки речевых сигналов, а значения основных параметров не уступают существующим аналогам. Также, технология Voice Key имеет два уровня защиты (сравнение биометрических данных и проверка пароля) и может работать в зашумленных условиях. Все это позволяет предположить, что данная технология сможет успешно позиционировать себя на мировом рынке.