Эффективность характеристик речевого сигнала, основанных на линейном предсказании, для автоматической идентификации и верификации диктора

Исследована эффективность нескольких параметрических представлений речи, полученных на основе модели линейного предсказания, для автоматического распознавания дикторов по голосу. Для речевого сигнала, дискретизированного с частотой 10 кГц, приблизительно каждые 50 мс определяли двенадцать коэффициентов предсказания. Коэффициенты предсказания и другие речевые параметры, производные от них, такие как импульсная характеристика, автокорреляционная функция, функция площади и кепстральная функция, использовали в качестве входных данных системы автоматического распознавания диктора. Речевые данные включали 60 высказываний: по шесть повторений одного и того же предложения, произнесенного каждым из 10 дикторов. Решение об идентификации основывалось на расстоянии между вектором тестового образца и опорным вектором каждого диктора в совокупности; неизвестным диктором считали диктора, которому соответствовал опорный вектор с наименьшим расстоянием. При верификации диктор считался подтвержденным, если расстояние между вектором тестового образца и опорным вектором заявленного диктора было меньше фиксированного порога. Среди всех исследованных параметров наиболее эффективным оказался кепстр: точность идентификации составила 70% для речевого сигнала длительностью 50 мс и увеличилась до более чем 98% при длительности 0,5 с. Для тех же речевых данных точность верификации составляла приблизительно 83% при длительности 50 мс и возрастала до 98% при длительности 1 с. В отдельном исследовании, посвященном оценке возможности текстонезависимой идентификации диктора, для речевого сигнала длительностью 2 с была достигнута точность идентификации 93%, несмотря на различие текстов тестовых и опорных образцов.