Лекция 15.ppt

Симончик К.К.

Принятие решения верификации
Пример работы системы

Порог - отклонение




FRR – False Reject Rate (вероятность ошибки отклонения)
FAR

– False Accept Rate(вероятность ошибки пропуска)

где СFR – стоимость ошибки пропуска,
CFA – стоимость ошибки отклонения.

,

Коэффициент доверия K

произношения
Зависимость качества верификации от произношения

Этапы разработки системы

верификации
Выбор речевых характеристик с индивидуальными признаками личности
Компенсация неравномерности произношения
Принятие решения о результате верификации

Сети

текстозависимой системы верификации

предсказания (LPC)

Кепстральные коэффициенты (FCC)

Коэффициенты отражения (LPREFC )

- частота в новом пространстве, mel
Информативность

различных частей линейного спектра неодинакова: в низкочастотной области содержится больше информации чем в высокочастотной. Поэтому для предотвращения излишнего расходования ресурсов, необходимо уменьшать число элементов, получающих информацию с высокочастотной области, или, что то же самое, сжать высокочастотную область спектра в пространстве частот. Наиболее распространенный метод – логарифмическое сжатие или приведение к mel шкале:

Mel-шкала

Банк фильтров

- коэффициенты линейного предсказания;
- функция ошибки модели
Коэффициенты

линейного предсказания

Речевой сигнал звука [a]

КЛП (порядок = 15)

Спектр речевого сигнала,
инвертированный спектр КЛП

№
,
- количество фильтров
Рекурсивный расчет с использованием КЛП

где

- коэффициенты линейного

предсказания

и M, соответственно
Матрица (NxM), состоящая из расстояния между последовательностями Q

и C.

Результирующее соотношение

Оптимальный способ деформации

Q

C

Q

C

N

M

0

N

M

N

M

Q

C

До временного искажения

После временного искажения

Динамическое Искажение Времени

Динамическое сравнение тестовой и эталонной матриц ( множество векторов характеристик)
Вычисление расстояния тестовым и эталонным образами
Текстозависимое сравнение

как
далеко от диагонали может идти путь
Практически, ГО

задают
максимальное сжатие/растяжение
сигналов на больших отрезках

Глобальные ограничения

Допустимая область

Локальные ограничения

Полоса Сакое-Чиба

Параллелограмм Итакуры

верификации

в задаче верификации решением является выдача указания на пропуск или

отклонение пользователя системы, следовательно, в выходном слое нейронной сети достаточно будет одного нейрона, который в случае попытки доступа клиента выдавал бы «1», а злоумышленника «–1»

Выходной вектор слоя L нейронной сети

- матрица весовых коэффициентов

- выходной вектор слоя l,

- вектор смещения слоя l,

- активационная функция нейронов

где

- набор весовых коэффициентов
Линейные дискриминантные функции
Редукция пространства признаков

где

-

-

-й признак тестового
вектора речевых характеристик

12.5 мс
Выделение 20 Mel кепстральных коэффициентов
Алгоритм ДИВ cо

степенью искажения = 3
Линейная дискриминантная функция

BlockStep, TMFCC* MFCC);
void GetDistantion(TMFCCVector* MFCCVector, TMFCC* MFCC, DOUBLE* Distantion);
Экспортируемые функции
Microsoft

Visual C++ 6.0

Borland Delphi 6.0

записей парольной фразы на диктора
~ 1 сек длительность

фразы
S/N ≈ 20дб
5 записей парольной фразы для построения модели

Результаты тестирования

Гистограмма выхода
Линейной Решающей Функции

где: FAR – вероятность ложного отклонения
FRR – вероятность ложного допуска

FRR = 1.0 %; FAR = 0.026 %;