В данной работе рассматривается проблема повышения точности определения спектральных характеристик голосовых сигналов на аудиозаписях. Для решения этой задачи предложена модификация классической оконной функции Хэмминга путем введения оптимизируемого параметра. Актуальность исследования обусловлена необходимостью повышения надежности систем распознавания и идентификации голоса, особенно в контексте биометрических приложений и задач аутентификации. Основной целью является разработка алгоритма для вычисления оптимального значения этого параметра, максимизирующего качество спектрального анализа для конкретных диапазонов частот голоса. Для достижения цели использовался метод градиентного спуска для оптимизации параметра модифицированной функции. Оценка качества производилась на основе взвешенной суммы характеристик спектра (пик-фактор, ширина спектральной линии, отношение сигнал/шум). Были проведены эксперименты на тестовых сигналах, имитирующих мужской (200–400 Гц) и женский (220–880 Гц) голос. Результаты показали, что предложенный подход позволяет повысить точность определения спектральных составляющих, особенно в диапазоне мужского баритона (прирост до 5,42 %), за счет более четкого выделения основных частот и снижения уровня боковых лепестков по сравнению с классическим окном Хэмминга. Выводы исследования показывают перспективность адаптации оконных функций для конкретных диапазонов частот голосовых сигналов. Предложенный алгоритм может быть использован для улучшения работы систем биометрической идентификации и других приложений, требующих точного спектрального анализа голоса.
This paper addresses the problem of improving the accuracy of determining the spectral characteristics of voice signals in audio recordings. To solve this problem, a modification of the classical Hamming window function is proposed by introducing an optimizable parameter. The study's relevance stems from the need to improve the reliability of voice recognition and identification systems, especially in the context of biometric applications and authentication tasks. The main objective is the development of an algorithm for calculating the optimal value of this parameter, maximizing the quality of spectral analysis for specific voice frequency ranges. To achieve this objective, the gradient descent method was used to optimize the parameter of the modified function. Quality assessment was performed based on a weighted sum of spectral characteristics (peak factor, spectral line width, signal-to-noise ratio). Experiments were conducted on test signals simulating male (200–400 Hz) and female (220–880 Hz) voices. The results showed that the proposed approach improves the accuracy of determining spectral components, especially in the male baritone range (up to 5.42 % improvement), by achieving clearer identification of fundamental frequencies and reducing side-lobe levels compared to the classical Hamming window. The study's conclusions indicate the potential of adapting window functions to specific frequency ranges of voice signals. The proposed algorithm can be used to improve the performance of biometric identification systems and other applications requiring accurate spectral analysis of voice.
The authors declare that there are no conflicts of interest present.