Векторная квантизация. 
Биометрическая идентификация

Метод векторной квантизации изначально использовался в задачах сжатия аудио и видео данных. В рамках задачи распознавания диктора эта техника распределяет k-мерные вектора особенностей векторного пространства по конечному набору областей Вороного. Распределение производится алгоритмом кластеризации, например, k-means. У каждого класса есть средний вектор — центроид или кодовое слово. Набор всех кодовых слов формирует кодовый справочник. Пример кластеризации приведен на Изображении 1. [4,8].

Рисунок 1 Пример кодового словаря [Srinivasan, 2012].

Кластеризация может производиться с помощью алгоритма k-means или алгоритмом Линде-Бузо-Грея [4]. После чего, на этапе идентификации, находится наиболее близкий кластер к тестовому сигналу.

Удаление участков тишины

Для удаления участков записи, на которых нет значимых голосовых данных, используется алгоритм удаления тишины и определения конечных точек G. Saha, Sandipan Chakroborty, Suman Senapati [7]. В основе алгоритма лежит статистическая оценка параметров входного сигнала и разметка участков записи как содержащих запись голоса и не содержащих по определенным критериям. Данный алгоритм необходим для уменьшения влияния на качество идентификации участков тишины, когда диктор еще не начал говорить или уже закончил, и для устранения естественных участков тишины, производимых речевым аппаратом человека.

Алгоритм удаления участков тишины включает в себя следующие шаги:

1. Расчет среднего значения (форм. 18) и стандартного отклонения (форм. 19) для первых 1600 значений амплитуды входного сигнала.

где — итоговое математическое ожидание,.

S (i) — i-тое измерение амплитуды звукового сигнала.

(19).

где — стандартное отклонение.

2. Для каждого значения амплитуды записи проверить, больше ли 3 значение функции расстояния Махаланобиса (формула 20).

(20).

где R (i) — флаг наличия голоса на i-том сэмпле,.

Kколичество измерений амплитуды в записи.

• 3. Разбить весь сигнал на неперекрывающиеся окна длиной 10 мс.
• 4. Для каждого окна рассчитать количество измерений отмеченных 1 и количество измерений отмеченных 0. Если единиц больше, чем нулей, инвертировать значения для данного окна. Данный шаг симулирует невозможность человеческого речевого аппарата изменить свои характеристики в течение такого короткого промежутка времени как 10 мс.
• 5. Результатом работы алгоритма являются те участки исходного сигнала, которые были помечены как вокализованные.

Рисунок 2. Алгоритм удаления тишины [7].