Алгоритм программного средства

В данном разделе будут описаны все операции, с помощью которых идет преобразование записанной речи в кепстральные коэффициенты. Эти коэффициенты нужны для того, чтобы сравнить голос идентифицируемого человека, с голосом, который хранится в базе данных. Если разница в кепстральных коэффициентах не преодолевает пороговое значение, то происходит идентификация.

1. Входной сигнал.

Входным сигналом является записанная речь с параметрами:

Ø частота дискретизации - 44100 Гц;

Ø число каналов - 1;

Ø кодирование 16 бит.

Пример входного сигнала продемонстрирован на рисунке 3.3.

Рисунок 3.3. Входной сигнал

2. Разбитие входного сигнала на перекрывающие области длительностью 20 - 30 мс.

Весь сигнал, который был записан, разбивается на перекрывающиеся окна определенной длительности, в конкретном случае длина каждого окна выбрана 23 мс, с целью упрощения расчетов. Отдельная область на рисунке 3.4.

Рисунок 3.4. Область сигнала длительностью 0.23 мс

3. Фильтрация сегмента.

Каждый сегмент сигнала нуждается в фильтрации для того, чтобы очистить человеческую речь от посторонних помех. Для этого используется формула:

.

В итоге получаем сегмент, очищенный от различных шумов (рис.3.5)

Рисунок 3.5. Фильтрация сегмента

Профильтровав каждый сегмент, получим целиком наш сигнал, в котором нет ни шумов, ни помех, не прочих искажений, которые могут препятствовать удачной идентификации.

4. Вычисление спектра каждого сегмента.

Чтобы получить спектр сигнала, нужно использовать функцию преобразования Фурье:

где k = 0,...,N-1.

Пример полученного спектра сегмента представлен на рисунке 3.6.

Рисунок 3.6. Спектр сегмента сигнала

5. Треугольные перекрывающие фильтры на мел-частотной области.

После того, как мы получили спектр, нам нужно перевести его в мел-частотную область.

Первым делом следует расположить полученный спектр на мел-шкале. Для этого используем формулу:

В итоге мы получаем окна, которые равномерно расположены на мел-оси (рис.3.7).

Рисунок 3.7. Окна на мел-оси

Далее следует перевести этот график в шкалу с частотами. В итоге получим то, что показано на рисунке 3.8.

Рисунок 3.8. Частотная шкала

6. Вычисление мел-частотных кепстральных коэффициентов для каждого сегмента.

На каждый сегмент сигнала приходится по 12 мел-частотных кепстральных коэффициентов. Чтобы их найти используем формулу:

где .

Часть таблицы с полученными коэффициентами сигнала представлена на рисунке 3.9.

Рисунок 3.9. Таблица мел-частотных кепстральных коэффициентов

Подытожив, получим полную алгоритмическую схему разрабатываемого программного средства (рис 3.10).

Рисунок 3.10. Алгоритмическая схема программного средства