ВИКОРИСТАННЯ ПОСЛІДОВНОСТІ МЕТОДІВ ПОПЕРЕДНЬОЇ ОБРОБКИ В СИСТЕМАХ ГОЛОСОВОЇ ІДЕНТИФІКАЦІЇ

Maksym Bondarenko; Heorhii Ivashchenko

doi:10.26906/SUNZ.2025.2.090

Автор(и)

Maksym Bondarenko
Heorhii Ivashchenko

DOI:

https://doi.org/10.26906/SUNZ.2025.2.090

Ключові слова:

методи попередньої обробки, послідовне застосування методів, голосові сигнали, системи голосової ідентифікації, фільтрація, нормалізація, виділення характеристик, шум, спектральний аналіз

Анотація

Актуальність. На сьогоднішній день, голосова ідентифікація є найпоширенішим біометричним методом, однак все ще існують певні технічні обмеження, пов'язані з впливом навколишнього середовища та варіаціями голосу, через що актуальні подальші дослідження. З розвитком технологій створення підроблених аудіозаписів виникає потреба вдосконалення існуючих методів голосової біометрії для забезпечення надійної ідентифікації, зокрема шляхом впровадження методів попередньої обробки голосових даних. Метою даної роботи є дослідження методів попередньої обробки в системах голосової ідентифікації людини. Об’єктом дослідження є модуль фільтрації голосових сигналів у системі голосової ідентифікації користувача. Предметом дослідження є методи попередньої обробки голосових сигналів. Результати. У даній роботі досліджується ефективність застосування послідовності методів попередньої обробки в системах голосової ідентифікації для зменшення впливу фонових шумів та інших викривлень на якість розпізнавання. Проведено порівняльний аналіз ефективності методів видалення сталих і динамічних шумів. Висновок. Запропоновано підхід організації процесу попередньої обробки голосових сигналів, що передбачає вибір послідовності методів з урахуванням таких параметрів, як якість запису, обчислювальні ресурси та необхідний рівень точності розпізнавання. Отримані результати демонструють, що послідовне використання методів шумозаглушення та нормалізації сигналу підвищує точність голосової ідентифікації.

Завантаження

Дані завантаження ще не доступні.

Посилання

1. Mykhailichenko I., Ivashchenko H., Barkovska O., Liashenko O., “Application of Deep Neural Network for Real-Time Voice Command Recognition”, IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek), Kharkiv, Ukraine, pp. 1-4, doi:https://doi.org/10.1109/KhPIWeek57572.2022.9916473

2. Barnwal S.K., Gupta P. (2022), “Evaluation of AI System’s Voice Recognition Performance in Social Conversation”, 5th International Conference on Contemporary Computing and Informatics (IC3I), Uttar Pradesh, India, pp. 804-808, doi:https://doi.org/10.1109/IC3I56241.2022.10073242

3. Cornacchia M., Papa F., Sapio B. (2020), “User acceptance of voice biometrics in managing the physical access to a secure area of an international airport”, Technology Analysis & Strategic Management, Vol. 32(10), pp. 1236-1250, doi:https://doi.org/10.1080/09537325.2020.1758655

4. Li Z.L., Sajat M.S., Yusof Y., Fazea Y., Santana Purba H. (2021), “The Design and User Acceptance of IoT-based Access and Entrance Control System Using Voice Recognition”, Knowledge Management International Conference (KMICe), pp. 315-321, doi: https://doi.org/10.13140/RG.2.2.12611.73762

5. Kinkiri S., Keates S. (2020), “Speaker Identification: Variations of a Human voice”, 2020 International Conference on Advances in Computing and Communication Engineering (ICACCE), Las Vegas, NV, USA, 2020, pp. 1-4, doi:https://doi.org/10.1109/ICACCE49060.2020.9154998

6. Kambampati P., Rane S., Shoeb A., Dhannawat R. (2024), “PAYV - Payment Voice: A Platform using Voice Recognition to Enable Payment Transactions”, Asia Pacific Conference on Innovation in Technology (APCIT), MYSORE, India, 2024, pp. 1-6, doi: https://doi.org/10.1109/APCIT62007.2024.10673442

7. Papadopoulos P., Tsiartas A., Gibson J., Narayanan S. (2014), “A supervised signal-to-noise ratio estimation of speech signals”, IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Florence, Italy, pp. 8237-8241, doi:https://doi.org/10.1109/ICASSP.2014.6855207

8. Mishra P., Singh S., Singh S.K., Dixit A. (2018), “Pre-Processing and Partition of Voice for Semi-Voice Authentication”, Fourth International Conference on Advances in Computing, Communication & Automation (ICACCA), Subang Jaya, Malaysia, pp. 1-5, doi: https://doi.org/10.1109/ICACCAF.2018.8776849

9. Awan S.N., Giovinco A., Owens J. (2012), “Effects of Vocal Intensity and Vowel Type on Cepstral Analysis of Voice”, Journal of voice, Vol. 26(5), pp. 15-20, doi: https://doi.org/10.1016/j.jvoice.2011.12.001

10. Lecomte I., Lever M., Boudy J., Tassy A. (1989), “Car noise processing for speech input”, International Conference on Acoustics, Speech, and Signal Processing, Glasgow, vol. 1, pp. 512-515, doi: https://doi.org/10.1109/ICASSP.1989.266476

11. Mamatov N., Niyozmatova N., Samijonov A. (2021), “Software for preprocessing voice signals”, Tashkent University of information technologies, Vol. 18, pp. 1-8, doi: https://doi.org/10.6703/IJASE.202103_18(1).006

12. Slimane A.B.; Zaid A.O. (2021), “Real-Time Fast Fourier Transform-Based Notch Filter for Single-Frequency Noise Cancellation Application to Electrocardiogram Signal Denoising”, Journal of Medical Signals & Sensors, Vol. 11(1), pp. 52-61, doi: https://doi.org/10.4103/jmss.JMSS_3_20

13. Zaw T.H., War N. (2017), “The combination of spectral entropy, zero crossing rate, short time energy and linear prediction error for voice activity detection”, 20th International Conference of Computer and Information Technology (ICCIT), Dhaka, Bangladesh, pp. 1-5, doi: https://doi.org/10.1109/ICCITECHN.2017.8281794

14. Singh S., Rajan E. (2011), “MFCC VQ based speaker identification and its accuracy affecting factors”, International Journal of Computer Applications, Vol. 21(6), pp. 1-6, doi: https://doi.org/10.5120/2519-3423

15. Ahmed A., Khondkar M.J.A., Herrick A., Schuckers S., Imtiaz M.H. (2024), “Descriptor: voice pre-processing and quality assessment dataset”, IEEE Data Descriptions, Vol. 1, pp. 146-153, DOI: https://doi.org/10.1109/IEEEDATA.2024.3493798

16. Nagrani A., Chung J.S., Ziccerman A. (2017), “VoxCeleb: a large-scale apeaker identification dataset”, Sound, p. 6, doi:https://doi.org/10.21437/Interspeech.2017-950