Модуль идентификации по голосу

В основе данного модуля лежит алгоритм вычисления мел-частотных кепстральных коэффициентов из аудиозаписи, кластеризации и вычисления расстояний до вектора тестового сигнала. Также данный модуль отвечает за загрузку аудиофайлов в формате WAV с частотой дискретизации 16 KHz и 16 бит на измерение.

1. Обучение.

Обучение производится при добавлении нового человека в базу. В таком случае каждый выбранный аудиофайл разбивается на окна длиной 30 мс, для каждого окна рассчитываются мел-частотные кепстральные коэффициенты, формируется новый кластер, соответствующий этому человеку, для этого кластера вычисляется вектор-центроид, характеризующий речь данного человека.

2. Идентификация.

На этапе идентификации также производится кадрирование сигнала, для каждого кадра рассчитываются коэффициенты, рассчитывается вектор-центроид тестового сигнала. После чего вычисляются квадраты Евклидовых расстояний от тестового вектора до каждого вектора обучающей выборки. Расстояние возводится в квадрат для получения более точных результатов идентификации — расстояния до тех кластеров, к которым не относится тестовый вектор, становится существенно большим по сравнению с расстоянием до кластера, к которому этот сигнал принадлежит.

Эмпирически на основе 40 экспериментов пороговое значение расстояния идентификации было установлено равным 5.

3. Определение тишины на записи Каждый сигнал при подготовке к извлечению мел-частотных кепстральных коэффициентов проходит этап предобработки, на котором статистически вычисляются и удаляются участки тишины.

4. Загрузка аудиофайла.

Модуль позволяет загружать аудиофайлы в формате WAV (16 KHz, 16 бит на сэмпл). Модуль проверяет соответствие файла данным параметрам, считывая информацию о кодировании из заголовка файла.