Реферат
Введение 5
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 7
1.1. Область применения 7
1.1.1. Мировой рынок биометрических технологий 9
1.1.2. Отечественный рынок биометрических технологий 14
1.2. Прогресс методов распознавания диктора 19
1.3. Структура системы распознавания диктора 23
1.4. Постановка задачи 27
1.5. Выводы 28
2. ОБЗОР МЕТОДОВ РЕШЕНИЯ ЗАДАЧИ ИДЕНТИФИКАЦИИ ДИКТОРА . 29
2.1. Извлечение голосовых признаков из речевого сигнала 29
2.1.1. Предварительная обработка сигнала 29
2.1.2. Мел-частотные кепстральные коэффициенты 33
2.1.3. Коэффициенты линейного предсказания 40
2.2. Методы классификации голосовых признаков 41
2.2.1. Векторное квантование 42
2.2.2. Модель гауссовых смесей 45
2.2.3. Нейросети 47
2.3. Выводы 48
3. МОДЕЛИРОВАНИЕ АЛГОРИТМА ТЕКСТОНЕЗАВИСИМОЙ
ИДЕНТИФИКАЦИИ ДИКТОРА 50
3.1. Общая структура алгоритма 50
3.2. Предварительная обработка сигнала 50
3.3. Извлечение мел-кепстральных коэффициентов 52
3.4. Обучение 59
3.5. Тестирование 60
Заключение 70
Список используемых источников 71
Перечень сокращений 76
Приложение А. Текст программы 77
В связи с повсеместным внедрением информационных систем ценность информации неуклонно возрастает, а, следовательно, растет и потребность в средствах защиты такой информации от несанкционированного доступа.
Как правило, персонификация пользователя в информационных сетях осуществляется с использованием сетевого имени и пароля. Опасности идентификации такого рода давно известны: пароли забывают, хранят в неположенном месте и, наконец, крадут. В последнем случае
злоумышленник, зная идентификационную информацию сотрудника информационной среды, может получить в распоряжение ресурсы, доступные данному сотруднику в зависимости от его полномочий и должностных обязанностей. Такая ситуация может привести к непредсказуемому исходу событий, например, краже или фальсификации ценной информации.
Выходом из данной ситуации является использование биометрических методов идентификации, позволяющие однозначно идентифицировать личность по индивидуальным физиологическим и поведенческим характеристикам. Причем в целях повышения надежности целесообразно использовать двухфакторную аутентификацию, например, биометрический сканер и символьный пароль или ПИН-код.
Биометрическая аутентификация — способ подтверждения подлинности посредством предъявления биометрических данных. Методы биометрической аутентификации подразделяются на два класса — статические и поведенческие. Методы первого класса основываются на физиологических характеристиках человека, неизменных и присутствующих у него с рождения. К ним относятся методы аутентификации по отпечатку пальца, по радужной оболочке глаза, по сетчатке глаза, по геометрии руки, по геометрии лица, по термограмме лица. Методы второго класса работают с поведенческими характеристиками людей и основаны на анализе подсознательных движений в процессе воспроизведения какого-либо обыденного действия. Данному классу принадлежат методы аутентификации по голосу, по рукописному почерку, клавиатурному почерку, походке.
Среди критериев биометрических образов выделяют следующие:
• Всеобщность — присутствие признака у всех людей.
• Уникальность — отсутствие людей с одинаковым биометрическим признаком.
• Постоянство — постоянство признака во времени.
• Измеримость — возможность измерить признак для занесения в базу данных.
• Приемлемость — согласие общества на сбор биометрического материала.
• Стоимость — конечная цена устройства распознавания.
В настоящей выпускной работе магистра были рассмотрены основные математические методы извлечения информативных голосовых характеристик диктора, используемые в системах распознавания — мел-частотные кепстральные коэффициенты и коэффициенты линейного предсказания, а также методы сопоставления данных характеристик — векторное квантование, модель гауссовых смесей, нейросети. Была рассмотрена структура типичной системы распознавания диктора, которая включает этапы предварительной обработки речевых данных, обучение и тестирование.
По окончании аналитического обзора вышеперечисленных алгоритмов, в программной среде MATLAB был смоделирован процесс идентификации диктора: были написаны функции реализации алгоритма распознавания диктора и сбора статистических данных о результатах идентификации. Для оценки качества написанного алгоритма проводилось его тестирование, которое показало высокую точность распознавания при отсутствии акустических помех. При хорошем соотношении сигнал/шум (25 дБ) точность идентификации составляет 100%, но уже при уровне шума 10 дБ — 58%, что говорит о необходимости дальнейшего исследования в пользу способов предобработки и более помехоустойчивых методов классификации признаков.
