Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом

Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом

Статья посвящена исследованию влияния алгоритма сжатия GSM 6.10, используемого современной сотовой связью, на характеристики речевого сигнала. В работе описаны интегральные признаки речевого сигнала, используемые в современных системах идентификации диктора, выполнено численное исследование устой...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2010
Автори: Ермоленко, Т.В., Панфилова, М.А.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2010
Назва видання:Штучний інтелект
Теми:
Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/56283
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом / Т.В. Ермоленко, М.А. Панфилова // Штучний інтелект. — 2010. — № 3. — С. 196-203. — Бібліогр.: 8 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-56283
record_format dspace
spelling irk-123456789-562832014-02-16T03:13:39Z Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом Ермоленко, Т.В. Панфилова, М.А. Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск Статья посвящена исследованию влияния алгоритма сжатия GSM 6.10, используемого современной сотовой связью, на характеристики речевого сигнала. В работе описаны интегральные признаки речевого сигнала, используемые в современных системах идентификации диктора, выполнено численное исследование устойчивости значений этих признаков к сжатию с потерями. Стаття присвячена дослідженню впливу алгоритму стиснення GSM 6.10, що використовується сучасним стільниковим зв’язком, на характеристики мовного сигналу. У роботі описано інтегральні ознаки мовного сигналу, що використовуються в сучасних системах ідентифікації диктора, виконано чисельне дослідження стійкості значень цих ознак до стиснення із втратами. The article is devoted to research of influence of GSM 6.10 compression algorithm, which is employed within modern cellular networks, on speech signal features. The technique for integral speech signal features computation which is often used in modern speaker identification systems is described. Also computational investigation results of these features robustness to compression with losses are shown. 2010 Article Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом / Т.В. Ермоленко, М.А. Панфилова // Штучний інтелект. — 2010. — № 3. — С. 196-203. — Бібліогр.: 8 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/56283 004.89, 004.934 ru Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
spellingShingle Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
Ермоленко, Т.В.
Панфилова, М.А.
Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
Штучний інтелект
description Статья посвящена исследованию влияния алгоритма сжатия GSM 6.10, используемого современной сотовой связью, на характеристики речевого сигнала. В работе описаны интегральные признаки речевого сигнала, используемые в современных системах идентификации диктора, выполнено численное исследование устойчивости значений этих признаков к сжатию с потерями.
format Article
author Ермоленко, Т.В.
Панфилова, М.А.
author_facet Ермоленко, Т.В.
Панфилова, М.А.
author_sort Ермоленко, Т.В.
title Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
title_short Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
title_full Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
title_fullStr Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
title_full_unstemmed Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
title_sort влияние gsm-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом
publisher Інститут проблем штучного інтелекту МОН України та НАН України
publishDate 2010
topic_facet Интеллектуальные речевые технологии. Компьютерная обработка естественно-языковых текстов и семантический поиск
url http://dspace.nbuv.gov.ua/handle/123456789/56283
citation_txt Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом / Т.В. Ермоленко, М.А. Панфилова // Штучний інтелект. — 2010. — № 3. — С. 196-203. — Бібліогр.: 8 назв. — рос.
series Штучний інтелект
work_keys_str_mv AT ermolenkotv vliâniegsmsžatiânaidentifikacionnyeakustičeskiepriznakiharakterizuûŝierečevojpotokvcelom
AT panfilovama vliâniegsmsžatiânaidentifikacionnyeakustičeskiepriznakiharakterizuûŝierečevojpotokvcelom
first_indexed 2025-07-05T07:33:34Z
last_indexed 2025-07-05T07:33:34Z
_version_ 1836791434180558848
fulltext «Искусственный интеллект» 3’2010 196 3Е УДК 004.89, 004.934 Т.В. Ермоленко1, М.А. Панфилова2 1Институт проблем искусственного интеллекта МОН Украины и НАН Украины, г. Донецк 2Государственный университет информатики и искусственного интеллекта, г. Донецк, Украина etv@iai.donetsk.ua, mirpanph@yandex.ru Влияние GSM-сжатия на идентификационные акустические признаки, характеризующие речевой поток в целом Статья посвящена исследованию влияния алгоритма сжатия GSM 6.10, используемого современной сотовой связью, на характеристики речевого сигнала. В работе описаны интегральные признаки речевого сигнала, используемые в современных системах идентификации диктора, выполнено численное исследование устойчивости значений этих признаков к сжатию с потерями. Введение В последнее время очень активно развиваются разнообразные технические сис- темы определения индивидуальности говорящего по речевым характеристикам. По- требность в разработке таких систем диктуется наличием широкого круга различных приложений, где требуется подтвердить или опознать определенную личность. Осо- бенно это актуально при разработке систем криминалистической экспертизы зву- козаписей. Известно множество цифровых методов выделения идентификационных при- знаков из речевого сигнала [1-4]. Однако из-за низкого качества исследуемых фоно- грамм при проведении фоноскопических экспертиз возможно использование лишь тех акустических признаков, которые являются инвариантными к влиянию искажений фонограмм. К ним относятся признаки, описывающие статистические характеристики амплитудно-частотной спектральной плотности речевого сигнала и основного тона со- поставимых по контексту фрагментов речи. Эти признаки получили название интег- ральных, поскольку, в отличие от признаков «тонкой спектральной структуры» сопо- ставимых звуков, измеренных синхронно с моментом возбуждения голосовых связок, они вычисляются на участках речевого сигнала, содержащих сопоставимые слова и фразы, длительностью около 10 секунд. Интегральные признаки характеризуют рече- вой поток в целом и определяют групповую принадлежность говорящего. При вычислении спектральных признаков речевой сигнал подвергается филь- трации «гребенкой» полосовых цифровых фильтров и последующему спектральному анализу. Все известные на сегодняшний день аппаратно-программные комплексы фоно- скопических экспертиз, представленные на рынке СНГ, при формировании акусти- ческих идентификационных признаков используют методику системы «Диалект», разработанную по заказу ФСБ России в 1995 году. В этой системе для получения интегральных признаков используется гребенка из 21 цифрового фильтра в диапа- Влияние GSM-сжатия на идентификационные акустические признаки... «Штучний інтелект» 3’2010 197 3Е зоне частот от 0 до 3662 Гц, ширина полосы пропускания каждого из фильтров составляет 174 Гц [4]. Таким образом, предложенная разработчиками «Диалекта» методика не дает возможности выбирать количество полосовых фильтров и настра- ивать границы их полос пропускания. В криминалистической практике зачастую возникает ситуация, когда образцы речи, по которым формируют эталоны, и сигнал, подлежащий идентификации, запи- саны в разных условиях. Последний, в большинстве случаев, записан в условиях использования телефонной, преимущественно сотовой, связи, в которой активно ис- пользуется цифровой формат, получивший название GSM [5], [6]. Звук этого фор- мата получается кодированием специальным алгоритмом сжатия, в результате чего происходит потеря полезного сигнала (объем данных о речевом сигнале сокращен примерно в 5 – 10 раз), которая влияет на распознавание говорящего. Таким образом, потребность в проверке устойчивости признаков идентификации дикторов по их речи возрастает с каждым днем, делая эту задачу актуальной. Цель работы – исследование влияния алгоритма сжатия GSM на идентифи- кационные признаки, характеризующие поток речи в целом. Для достижения цели поставлены и решены следующие задачи: − сделать обзор методов формирования интегральных акустических призна- ков, используемых современными системами идентификации говорящего; − программно реализовать описанные методы с учетом психоакустических прин- ципов восприятия и провести численное исследование влияния алгоритма GSM-сжа- тия на значения полученных признаков. Обзор современных методов вычисления интегральных признаков для автоматической идентификации личности по голосу В качестве интегральных спектральных признаков используются следующие наборы идентификационных признаков: − нормированные значения энергетического спектра; − нормированные средние значения энергетического спектра; − относительное время пребывания сигнала в полосах энергетического спектра; − нормированное время пребывания сигнала в полосах энергетического спектра; − медианные значения энергетического спектра речи в полосах; − относительная мощность спектра речи в полосах; − величины вариации огибающих энергетического спектра речи; − нормированные величины вариации огибающих энергетического спектра речи; − значения коэффициентов кросскорреляции спектральных огибающих между полосами энергетического спектра; − значения компонент гистограммы распределения частоты основного тона. Для получения наборов интегральных признаков сигнал разбивается на окна постоянной длины. Для анализа речевого сигнала длина окна выбирается с учетом периода основного тона (ОТ) и составляет около 20 мс, поскольку в нормальной речи параметры возбуждения не изменяются быстро. На каждом из окон вычисляется кратковременный энергетический спектр с помощью фильтрации гребенкой цифро- вых фильтров. В качестве полос пропускания в рамках данной работы была использована барк-шкала [7], связанная с критическими полосами слуха, а также темперированная Ермоленко Т.В., Панфилова М.А. «Искусственный интеллект» 3’2010 198 3Е музыкальная шкала [8]. Такой выбор обусловлен психоакустическими принципами восприятия [7]. В табл. 1 приведены значения граничных частот 25 критических диапазонов для барк-шкалы, по формуле (1) получают значения центральных частот полос по темперированной музыкальной шкале, которые зависят от номера ноты N (самой низкой ноте «Ля» с целым значением частоты 55Гц соответствует номер N = 33). Представление локальных значений мощности в пределах психоакустических шкал позволяет моделировать процесс обработки речевого сигнала человеческим ухом. 12 )33(255 12 )69(2440)( − ⋅= − ⋅= NNNF . (1) Таблица 1 – Центральные частоты и границы полос по барк-шкале № полосы Границы полос, Гц № полосы Границы полос, Гц № полосы Границы полос, Гц 1 0 – 100 9 920 – 1080 15 4400 – 5300 2 100 – 200 10 1080 – 1270 16 5300 – 6400 3 200 – 300 11 1270 – 1480 17 6400 – 7700 4 300 – 400 12 1480 – 1720 18 7700 – 9500 5 400 – 510 13 1720 – 2000 13 9500 – 12000 6 510 – 630 18 3700 – 4400 24 12000 – 15500 7 630 – 770 13 1720 – 2000 25 15500 – … 8 770 – 920 14 2000 – 2320 После фильтрации гребенкой из М цифровых фильтров (в зависимости от использованной шкалы) речевой сигнал может быть представлен в виде двумерного массива значений кратковременных энергетических спектров (спектральных срезов), полученных на каждом окне анализа: { } JM jijix , 1,),( = , (2) где х(i,j) – значение энергии сигнала на выходе i-го полосового фильтра в j-м спектральном срезе; J – общее количество окон на анализируемом отрезке сигнала. Введем операцию нормировки массива ( ){ }N iia 1= по 2k+1 точкам: ( )( ) ( )( ) ( ) ( ) ( )( )                     +−=− −+= =+ = ∑ + −= NkNikkNad kNki ja ia kikkad kiad ki kij ,1,, ,1, ,1,,1 , . (3) Признаки первой группы – нормированные значения энергетического спектра: ( ) ( ) ( ) , 1 ∑ = = M i ix ixiX (4) где x(i) – среднее по строке массива: ( ) ∑ = = J j jix J ix 1 ),(1 . (5) Влияние GSM-сжатия на идентификационные акустические признаки... «Штучний інтелект» 3’2010 199 3Е Признаки второй группы – нормированные согласно (3) значения энергети- ческого спектра (4): ( ) ( )( )3,iXdiX H = . (6) Нормировка значений признаков (4) вводится для снижения их зависимости от линейных (частотных) искажений речевого сигнала при прохождении его по тракту звукозаписи. В третьей группе признаков – относительное время пребывания сигнала в полосах энергетического спектра, значение каждого і-го признака вычисляется по формуле (7): ( ) ( ) J iJit ∆ = , (7) где Δ J(і) – количество спектральных срезов, при которых энергия в і-й полосе пре- вышает среднее значение (5). В четвертой группе признаков – нормированное время пребывания сигнала в полосах энергетического спектра, полученное согласно (8): ( ) ( ) ( )∑ = = M i H it itit 1 . (8) Пятую группу составляют признаки нормированных медианных значений энер- гетического спектра, вычисляемые по формуле (9): ( ) ( ) ( )∑ = = M i H im imim 1 , (9) где m(i) – медианное значение энергетического спектра для полосы i-го фильтра. Признаки шестой группы – нормированные значения мощности спектра в полосах, которые вычисляются согласно (10): ( ) ( )( ) ( ) ( ) ( )iJimiPiPdiPH ∆== /,3, . (10) Нормировка мощности спектра вводится по той же причине, что и нормировка средних значений энергетического спектра (6), для снижения влияния линейных искажений в трактах передачи сигнала. Седьмую группу признаков составляют вариации огибающих энергетического спектра: ( ) ( ) ( ) ( ) ( )( )∑ = −=⋅= J j ixjix J iixiiV 1 2)(,1,νν . (11) Признаки восьмой группы – нормированные значения вариаций, которые вы- числяются согласно (12): ( ) ( )( )3,iVdiVH = . (12) Нормировка каждой і-й компоненты вариации огибающей спектра необходима для снижения влияния частотных искажений на значения признаков. Девятую группу признаков составляют коэффициенты кросскорреляции R(i,k), которые вычисляются по формуле (13): ( ) ( ) ( ) ( ){ } ( ) ( ){ } ( ) ( ){ } ( ) ( ){ } ki kxjkxixjixJ kxjkxixjixJ kiR J j J j J j ≠ −⋅− −⋅−− = ∑∑ ∑ == = , ,, ,,1 , 1 2 1 2 1 . (13) Ермоленко Т.В., Панфилова М.А. «Искусственный интеллект» 3’2010 200 3Е Десятую группу интегральных акустических признаков составляют признаки ОТ речи, а именно значения компонент гистограммы распределения частоты основ- ного тона (ЧОТ). Эти признаки предназначены для описания особенностей распре- деления значений ОТ речи говорящего в диапазоне от 50 до 400 Гц. По результатам анализа исследовались следующие компоненты гистограммы распределения ЧОТ: средняя частота; максимальная частота; минимальная частота; асимметрия плотности распределения; эксцесс плотности распределения; график распределения плотности. Для определения величины ЧОТ по речевому потоку применяется следующий алгоритм. Из анализируемого отрезка речи с помощью экспериментально установ- ленных порогов устраняются фрагменты, соответствующие низкоэнергетичным эле- ментам речи, и участки, имеющие высокую частоту пересечения нулевого уровня сигнала (в основном, согласные звуки). Полученный таким образом сигнал разби- вается на окна длиной около 20 мс. Величина ЧОТ определяется на каждом из окон с помощью кепстрального анализа. Метод оценивания ОТ на основе кепстрального анализа сводится к отысканию пика в области возможных значений ОТ, координата пика дает оценку периода ОТ. Первые шесть групп интегральных признаков отражают своеобразие формы спектра голосовых импульсов у различных лиц и особенности фильтрующих функ- ций их речевых трактов. Признаки вариаций огибающих энергетического спектра (11) и нормированных вариаций огибающих энергетического спектра (12) характеризуют особенности ре- чевого потока, связанные с динамикой перестройки артикуляционных органов речи говорящего. Коэффициенты кросскорреляции (13) являются интегральными характеристи- ками речевого потока, отражающими своеобразие взаимосвязи или синхронности движения артикуляционных органов речи говорящего. Группа интегральных признаков ОТ характеризует индивидуальность статис- тических распределений значений ЧОТ речи говорящего, которая, в свою очередь, является параметром колебаний голосовых связок и определяет, главным образом, групповую принадлежность голоса человека. Численное исследование Для проведения численного исследования, предназначенного для изучения влия- ния алгоритма GSM-сжатия на интегральные идентификационные характеристики речевого сигнала, были записаны речевые фрагменты, принадлежащие 10 дикторам (мужчинам и женщинам с разными голосовыми данными). Для каждого из дикторов сделаны 10 записей длительностью не менее 5 секунд. Диктор наговаривал набор из 11 слов, которые не содержат невокализованных звуков. Образцы речи для обеспече- ния максимального приближения их характеристик к исходным аналоговым сигналам записывались в формате WAV PCM с частотой дискретизации 22050, глубиной бит- ности 16 бит. Запись осуществлялась в монорежиме. Кроме того, для каждого из дикто- ров была сделана одиннадцатая запись в формате GSM 6.10 WAV с частотой дискре- тизации 8 кГц. Все записи были созданы с помощью программы Audacity 1.3.12-beta. Идентификационный анализ компрессированных речевых реализаций 10 дик- торов и образцов их речи, зафиксированных в формате WAV PCM, проводился по вышеописанным 10 группам интегральных признаков с использованием трех типов гребенок фильтров: по барк- и темперированной музыкальной шкале, а также по гре- Влияние GSM-сжатия на идентификационные акустические признаки... «Штучний інтелект» 3’2010 201 3Е бенке фильтров, предложенной разработчиками системы «Диалект». Для чего было создано специальное программное обеспечение, реализующее вычисление значений компонент гистограммы распределения ЧОТ и групп признаков (4), (6) – (13), с возмож- ностью настройки границ полос пропускания используемых фильтров и визуального анализа полученных признаков каждой группы в виде графиков их значений. Допустимые значения вариативности (внутридикторская вариативность) интег- ральных признаков рассчитывались на основе статистических оценок, полученных по образцам речи, в качестве оценки междикторской вариативности использовалась дисперсия средних значений исследуемых признаков. Результаты проведенного идентификационного анализа приведены в табл. 2. Таблица 2 – Результаты идентификационного анализа компрессированных речевых реализаций Вероятность принадлежности речевой реализации одному лицу Группа признаков барк-шкала Темпери- рованная музыкальная шкала «Диалект» нормированные значения энергетического спектра 0,93 0,96 0,9 нормированные средние значения энерге- тического спектра 0,93 0,96 0,9 относительное время пребывания сигнала в полосах энергетического спектра 0,34 0,4 0,27 нормированное время пребывания сигнала в полосах энергетического спектра 0,31 0,35 0,25 медианные значения энергетического спектра речи в полосах 0,95 0,97 0,91 относительная мощность спектра речи в полосах 0,94 0,95 0,91 величины вариации огибающих энергетического спектра речи 0,91 0,92 0,87 нормированные величины вариации огибающих энергетического спектра речи 0,96 0,97 0,95 значения коэффициентов кросскорреляции спектральных огибающих между полосами энергетического спектра 0,91 0,95 0,89 значения компонент гистограммы распределения ЧОТ 0,95 На рис. 1 показаны гистограмма распределения ЧОТ, полученная для образца речи, записанного в формате WAV PCM, на рис. 2 – для речевой реализации того же диктора, записанной в формате GSM 6.10. Анализ гистограмм распределения ЧОТ показал, что степень совпадения их ха- рактеристик для сигналов после компрессии и соответствующих образцов речи высо- кая (различия не более полутона), т.е. значения компонент гистограммы распределения ЧОТ, полученные по сжатому речевому сигналу, изменяются в пределах внутридик- торской вариативности. Ермоленко Т.В., Панфилова М.А. «Искусственный интеллект» 3’2010 202 3Е Рисунок 1 – Гистограмма распределения ЧОТ (вверху), полученная по речевому материалу диктора Ж1, записанного в формате WAV PCM (внизу – график амплитудно-временного представления соответствующего речевого сигнала) Рисунок 2 – Гистограмма распределения ЧОТ (вверху), полученная по речевому материалу диктора Ж1, записанного в формате GSM 6.10 WAV (внизу – график амплитудно-временного представления соответствующего речевого сигнала) Выводы Анализируя полученные результаты, можно сделать вывод о перспективности использования темперированной музыкальной шкалы для задания границ полос про- пускания фильтров, на основе которых вычисляются спектральные признаки, характе- ризующие речевой поток в целом. Высокая степень совпадения характеристик гистограмм распределения ЧОТ и спектральных признаков (4), (6), (9) – (10), (12) – (13), отражающих характеристики Влияние GSM-сжатия на идентификационные акустические признаки... «Штучний інтелект» 3’2010 203 3Е спектральной плотности речевого сигнала, полученных для сигналов после компрес- сии, с характеристиками, полученными по соответствующим образцам речи, говорит об устойчивости этих групп признаков к GSM-сжатию. Разница значений вариаций огибающих энергетического спектра (11) в области высоких частот превышает порог внутридикторской вариативности, что делает эту группу признаков непригодной для идентификационного исследования компресси- рованных сигналов. Группы признаков (7) – (8) – относительное и нормированное вре- мя пребывания сигнала в полосах энергетического спектра – показали свою полную непригодность для идентификационных исследований. Система связи GSM развилась в глобальный стандарт второго поколения, зани- мающий лидирующие позиции в мире, на основании чего можно полагать, что цифро- вые фонограммы этого формата все чаще будут попадать в сферу уголовного и граж- данского судопроизводства в качестве доказательной базы. Однако специфика такого формата вводит новые проблемы в проведение фоноскопических экспертиз, поскольку сигнал подвергается интенсивному кодированию с удалением существенной порции криминалистически значимой информации о речи абонента. Таким образом, возникает необходимость проверки робастности существующих методик идентификации лич- ности по голосу и разработки новых экспертных методик исследования цифровых фо- нограмм, что определяет практическую значимость данной работы. Литература 1. Женило В.Р. Компьютерная фоноскопия / Женило В.Р. – М. : Академия МВД России, 1995. – 208 с. 2. Каганов А.Ш. Криминалистическая экспертиза звукозаписей / Каганов А.Ш. – М. : Юрлитинформ, 2005. – 272 с. 3. Идентификация дикторов на основе сравнения статистик основного тона голоса / С.Л. Коваль, П.В. Лабутин, Е.В. Малая, Е.А. Прощина // Сб. трудов XV международной научной конференции «Информатизация и информационная безопасность правоохранительных органов». – М. : Акаде- мия управления МВД России. – 2006. – С. 324-327. 4. Идентификация лиц по фонограммам русской речи на автоматизированной системе «Диалект» / под ред. Фесенко А.В., Попов Н.М., Линьков А.Н., Кураченкова Н.В., Байчаров Н.В. В/ч 34435. – 1996. – 102 с. 5. Иванов И.Л. Экспертное исследование формата GSM [Электронный ресурс] / Иванов И.Л. – Режим доступа : http://www.illidiy.orel.ru/Pub/publ6.htm 6. Тимко Е.В. Проблемы криминалистического исследования цифровых фонограмм [Электронный ресурс] / Е.В. Тимко, К.Ю. Усков // Труды Киевского НИИ судебных экспертиз. – 2001. – Режим доступа : http://www.expert.com.ua 7. A Review of Algorithms for Perceptual Coding of Digital Audio Signals / Ted Painter, Andreas Spanias // Proc. International Conf. on Digital Signal Processing (DSP). – Santorini (Greece), 1997. – P. 179-205. 8. Шилов Г.Е. Простая гамма (устройство музыкальной шкалы) / Шилов Г.Е. – М. : Физматгиз, 1963. – 20 с., ил. Т.В. Єрмоленко, М.О. Панфілова Вплив GSM-стиснення на ідентифікаційні акустичні ознаки, що характеризують мовний потік у цілому Стаття присвячена дослідженню впливу алгоритму стиснення GSM 6.10, що використовується сучасним стільниковим зв’язком, на характеристики мовного сигналу. У роботі описано інтегральні ознаки мовного сигналу, що використовуються в сучасних системах ідентифікації диктора, виконано чисельне дослідження стійкості значень цих ознак до стиснення із втратами. T.V. Yermolenko, M.A. Panfilova Influence of GSM-compression on Identification Acoustic Features that Characterize a Speech Flow as a Whole The article is devoted to research of influence of GSM 6.10 compression algorithm, which is employed within modern cellular networks, on speech signal features. The technique for integral speech signal features computation which is often used in modern speaker identification systems is described. Also computational investigation results of these features robustness to compression with losses are shown. Статья поступила в редакцию 16.07.2010.

Схожі ресурси