SO‘ZLOVCHINI NUTQI ORQALI IDENTIFIKATSIYA QILISH

SO‘ZLOVCHINI NUTQI ORQALI IDENTIFIKATSIYA QILISH

Xasanov Umidjon Komiljon o‘g‘li, TATU

Annotatsiya. Ushbu maqolada nutq signallari va ularning qayta ishlash bosqichlari, qayta ishlash bosqichlarida yuzaga kelishi mumkin bo‘lgan holatlar hamda nutq signali xususiyatlarida foydalangan holda mashinali o‘qitish algoritmlari asosida identifikatsiya qilishdan iborat ishlar keltirilgan. Ishdan shuningdek signal xususiyatlarining ko‘rsatgichlari, ularning qo‘llanilishi ham aks etgan. Natijalar jadval ko‘rinishida ifodalangan.

Kalit so‘zlar. Nutq signali, mashina o‘qitish, GMM, HMM, MFCC, signal xususiyatlari.

Kirish. Kompyuter texnologiyalariyaning rivojlanishi bilan hisoblash tizimlarining xavfsizlik masalalari bilan bog‘liq bo‘lgan turli yondashuvlar ishlab chiqildi. Aynan nutq signallari yordamida inson ovozini aniqlash va suxandonni tanish orqali hisoblash tizimlarini biometrik xavfsizligini ta’minlash bugungi kunda eng yaxshi va samarali choralardan biri hisoblanadi. Inson nutq signallari biometrik ma’lumot turlaridan biri bo‘lib, u orqali identifikatsiyalash hamda verifikatsiyalash mumkin. Nutq signallarini tanib olish orqali quyidagi masalalarni amalga oshirish mumkin:

• Nutq signali matnini tanib olish

• So‘zlashilayotgan tilni aniqlash

• So‘zlovchini tanib olish

• So‘zlovchining ruhiy holatini aniqlash

• So‘zlovchining salomatligini aniqlash

• Rost yoki yolg‘on gapni aniqlash

Nutqni tanib olish, nutq orqali xavfsizlikni ta’minlash tizimlarida so‘zlovchini tanib olish eng asosiy vazifa hisoblanadi. Bu orqali nutq signallari matnining biror so‘zlovchiga tegishli ekanligini aniqlash, xavfsizlik tizimlarida esa maxsus ruxsatlarni boshqarish vazifalarida foydalaniladi.

So‘zlovchini tanib olish asosan ikkita yo‘nalishini o‘z ichiga oladi:

• So‘zlovchi identifikatsiyasi (so‘zlovchini aniqlash)

• So‘zlovchi verifikatsiyasi (so‘zlovchini tekshirish)

So‘zlovchini identifikatsiyalash (so‘zlovchini aniqlash) - bu noma’lum so‘zlovchining ovozini ma’lumotlar bazasida ro‘yxatdan o‘tgan so‘zlovchilarning ovozi bilan solishtirish orqali uning shaxsini topish jarayoni.

So‘zlovchini veritifikatsiya (so‘zlovchini tekshirish) – bu so‘zlovchi o‘zini da’vo qilgan shaxs ekanligini aniqlash jarayoni. Turli adabiyotlarda bu atamani turlicha ta’riflar bilan nomlashadi: ovozni tekshirish, ovozli autentifikatsiya, so‘zlovchini tekshirish va hakazo.

1-rasm. So‘zlovchini verifikatsiya qilish umumiy tuzilishi

Kiruvchi nutq signallaridan dastlabki ishlov berish algortimlari orqali xususiyatlarni ajratib olinadi va xususiyatlar vektorini shakllantiriladi. Avvaldan ishlab chiqilgan so‘zlovchi modeli va xususiyatlar vektori solishtiriladi va maxsus moslik ballari hisoblanadi. Agar moslik ballari ma’lum chegaradan katta bo‘lsa, natijada so‘zlovchi o‘zi da’vo qilgan modelga mos ekanligi tan olinadi.

So‘zlovchini identifikatsiya qilish tizimidagi (SIT) asosiy olib boriladigan jarayonlar so‘zlovchini veritifikatsiya qilish tizimlari (SVT) bilan deyarli bir xil. Faqat SIT da N ta model parallel ravishda baholanadi va ular orasi eng kattasi baholanadi, natijada qaror ma’lumotlar bazasidagi so‘zlovchining identifikatorlaridan biri bo‘ladi yoki ma’lumotlar bazasida mavjud emasligini ko‘rsatadi.

Ha yoki

yo‘q

MB MODEL

Solishtirish Qaror

2-rasm.So‘zlovchini identifikatsiya qilish umumiy tuzilishi

Bundan tashqari so‘zlovchining matnga bog‘liq va matnga bog‘liq bo‘lmagan holda tanib olish usullari mavjud. Matnga bog‘liq tanib olish foydalanuvchini biron matn yoki iboraga nisbatan aniqlaydi, matnga bog‘liq bo‘lmagan tanib olish foydalanuvchining nutqidan qat’iy nazar aniqlay oladi. Ikkala holatda ham natijalar bir so‘zlovchining boshqa so‘zlovchidan ajratib turadigan nutq signali xususiyatlariga bog‘liq. Nutq signali xususiyatlaridan orqali har bir so‘zlovchi uchun model ishlab chiqiladi. Bu xususiyatlarni ajratib olish va ulardan foydalanishda ularga qo‘yiladigan talablar mavjud:

• Nutq signali xususiyatlar ko‘p uchrashi, ularni ajratib olish oson bo‘lishi

• So‘zlovchining jismoniy holati ta’sir qilmaslik

• Vaqt o‘tishi bilan o‘zgarmaydigan

• Nutq signali tezligida asosiy xususiyatlari o‘zgarmasligi

• Atrofdagi shovqinlarda nutq signali xususiyatiga ta’siri kam

Ushbu talablarga asosan nutq signali xususiyatlarining ayrimlari quyidagi jadvalda ko‘rsatib o‘tiladi. Bu xususiyatlar tanib olish masalalarida qo‘llaniladi. Tanib olish masalalarida kepstal koeffisentlar o‘zining eng yaxshi samarasini berib kelmoqda. Shuning uchun ular orqali nutq signallarining boshqa xususiyatlarni aniqlab olish mumkin bo‘ladi.

Jadval.1

MB MODEL 1

MODEL 2

MODEL N

MAX

tanlov Natija

So‘zlovchi ID

Vaqt Chastota Kepstral

Koeffisentlari

• ZCR (Zero crossing rate)

• Energiya

• Energiya entropiyasi

• va boshqalar

• Spektral

tarqalish

• Spektral

markaz

• Spektral

entropiya

• va boshqalar

• MFCC

• ShTCC

• LPCC

• va boshqalar

So‘zlovchini tanib olish modellarini ishlab chiqishda Yashirin Markov Modellari(HMM), Gausning Aralash Modellari (GMM) algoritmlaridan foydalaniladi. Bundan tashqari Vektorli kvantlash hamda Neyron tarmoqlari orqali ham so‘zlovchini tanib olish tizimlarini ishlab chiqish mumkin. Nutq signallari xususiyatlari sifatida MFCC, LPC, PLP, LPCC koeffisentlaridan foydalaniladi. Bu koeffisentlarning har biri nutq signallarini ma’lum bir yoki umumiy xususiyatlarni ajratib beradi.

Ishlab chiqiladigan so‘zlovchini aniqlash tizimi asosiy ikkita jarayondan iborat bo‘ladi:

• Dastlabki ishlov berish

• Tanib olish

Birinchi jarayonda so‘zlovchining nutq signallarining xususiyatlarini ajratib olinadi. Bunday signal xususiyatlardan biri MFCC koeffisentlari bo‘lib, u suxandon ovozini balandligini chastotalar ko‘rinishida ko‘rib chiqadi va ularni Mel shkalasida o‘lchaydi.

Ikkinchi jarayonda esa o‘qitish ishlari amalga oshiriladi. Bunda mashinali o‘qitish algoritmlaridan foydalaniladi va ajratib olingan nutq signal xususiyatlarini o‘qitish uchun ishlatiladi, hamda ma’lumotlar bazasi shakllantiriladi. Undan so‘ng solishtirish jarayonida tizim real vaqtdagi nutq signallari namunalarini ma’lumotlar bazasida saqlangan nutq signali namunalariga solishtirish orqali ro‘yxatdan o‘tgan shaxsni tanib oladi.

Nutq signallarini dastlabki ishlovberish algoritmlari asosida MFCC koeffisentlari ajratib olinadi, shundan so‘ng keyingi bosqich amalga oshiriladi. Bu bosqichda nutq signallari orqali so‘zlovchini tanib olish amalga oshiriladi. Tanib olishda GMM algoritmlaridan foydalaniladi. GMM asosida o‘qitish 2 bosqichda amalga oshiriladi:

1. Klasterlash

2. Kutish va maksimallashtirish

Klasterlash. Ushbu qismda har bir xususiyatlar vektoriga xos bo‘lgan klaster raqami K-o‘rtacha algoritmini qo‘llash orqali olinadi. U xususiyatlar vektorining markazlarini o‘rnatish uchun ishlatiladi. K-o‘rtacha algoritmi har bir xususiyatlar vektori va uning markazlari orasidagi kvadratik masofalar yig‘indisi sifatida aniqlangan buzilishni minimallashtiradi. Ushbu taklif qilingan tizimda Evklid masofasi formuladan foydalanib, xususiyatlar vektori va uning klaster markazlari orasidagi masofani aniqlash mumkin bo‘ladi.

𝑑𝑖𝑗 = √∑(𝑥𝑖𝑘 − 𝑥𝑗𝑘)2

𝑚

𝑘=1

Trening ma’lumotlarini hisobga olgan holda, GMM modelining parametrlari maksimal ehtimollik (ME) baholash yordamida baholanadi. ME parametrlari taxminlari kutish-maksimizatsiya algoritmi yordamida iterativ tarzda olinadi.

Bizda eng asosiy vazifalarmizdan biri sifatida mavjud aniqlikni oshirish hamda vaqtni tejashdan iborat shuning uchun tizimini amalga oshirishda GMM modelining xususiyatlarini o‘zgartirish orqali erishimiz va audio yozuvlarni holatini o‘zgartirishimiz mumkin. Bizda Gauslar sonini ozgartirib va audio yozuvlarni o‘lchamlarni o‘zgartirgan holda o‘qitishniamalga oshiriladi. Aniqlangan natijalarni jadval ko‘rinishida ifodalanadi.

Olingan natija. Suxandonni tanib olish tizimini ishlab chiqishda suxandonlar sifatida erkak hamda ayollarning 4-6 soniyadan iborat 100 dan ortiq audiolari yozib olindi. Yozib olingan nutq signallarini dastlabki qayta ishlash bosqichalaridan o‘tkazib signal xususiyatlaridan biri MFCC koeffisentlarini topamiz. Shundan so‘ng ushbu koeffientlarni GMM modeli yordamida o‘qitib olamiz. Hosil bo‘lgan modelni suxandon nutq signallari bilan testlanadi.

Signal turi

Audiolar

soni

Gauslar

soni

Soz

uzunligi

(1-3)

Soz

uzunligi

(3-6)

Mono 100 4 90.458 91.562

Mono 100 8 93.782 94.782

Mono 100 16 94.319 95.485

Mono 295 4 91.539 92.256

Mono 295 8 93.798 95.451

Mono 295 16 95.412 96.97

Xulosa. Olib borilgan taqdiqot natijasida suxandonning audio yozuvlari uzun bo‘lsa hamda gauslar soni ortirganimizda tizimning aniqligini oshganini ko‘rishimiz mumkin. Signalning 3-5 sekund oralig‘idagi 295 ta audiolar asosida o‘qitilganda tanib olish aniqligi 96.97% ni ko‘rsatdi.

Foydalanilgan adabiyotlar

1. Абдуллаева М.И., Очилов М.М., Ибрагимова С.Н. Усовершенствованный метод извлечение признаков для идентификации диктора с использованием алгоритма классификации. TATU xabarlari

2. K.E. Shukurov, "Analysis of algorithms and implementation of real time speaker identification system", Bulletin of TUIT: Management and Communication Technologies, vol. 4, April 2021.

3. Shukurov K.E.,Xasanov U.K., To‘rayev B.SH., “Shaxsni nutqi orqali identifikatsiyalash algortimlarini amalga oshirish”, TATU ilmiy-texnika va axborottahliliy jurnali, №1(57),2021

4. M S, Sinith & Salim, Anoop & Sankar, K. & Narayanan, K. & Soman, Vishnu. (2010). A novel method for Text-Independent speaker identification using

MFCC and GMM. 292 - 296. 10.1109/ICALIP.2010.5684389.

5. Archana Shende, Subhash Mishra and Shiv Kumar, “Comparison of different parameters used in GMM based automatic voice recognition”, International Journal of Soft Computing and Engineering (IJSCE), July 2011.

6. Gaikwad, Santosh & Bharti, W.Gawali & Yannawar, Pravin. (2010). A Review on Speech Recognition Technique. International Journal of Computer Applications. 10. 10.5120/1462-1976.

7. Hasan, Md & Jamil, Mustafa & Rabbani, Golam & Rahman, Md. Saifur. (2004). Speaker Identification Using Mel Frequency Cepstral Coefficients. Proceedings of the 3rd International Conference on Electrical and Computer Engineering (ICECE 2004).

8. Aronowitz, Hagai & Burshtein, David. (2005). Efficient speaker identification and retrieval. 2433-2436. 10.21437/Interspeech.2005-649.

9. Mamyrbayev, O., Mekebayev, N., Turdalyuly, M., Oshanova, N., Ihsan Medeni, T., & Yessentay, A. (2020). Voice Identification Using Classification Algorithms. Intelligent System and Computing. doi:10.5772/intechopen.88239

10. Hossan, M. A., Memon, S., & Gregory, M. A. (2010). A novel approach for MFCC feature extraction. 2010 4th International Conference on Signal Processing and Communication Systems. doi:10.1109/icspcs.2010.5709752

11. Md. Sahidullah and Goutam Saha, "On the use of distributed dct in speaker identification," 2009 Annual IEEE India Conference (INDICON),2009,pp.1-4.

12. Wang Chen, Miao Zhenjiang and Meng Xiao, "Comparison of different implementations of mfcc," J. Computer Science & Technology, 2001, pp. 16(16): 582-

13. Haipeng Wang, Xiang Zhang, Hongbin Suo, Qingwei Zhao and Y. Yan, "A novel fuzzy-based automatic speaker clustering algorithm," ISNN, 2009, pp. 639– 646.

14. Sheeraz Memon, Margaret Lech and Namunu Maddage, "Speaker verification based on different vector quantization techniques with gaussian mixture models," Third International Conference on Network and System Security, 2009, pp. 403 - 408