Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
194
and Design. In Journal of Agricultural Safety and Health (Vol. 14, Issue 1, pp. 5–20). American
Society of Agricultural and Biological Engineers (ASABE).
2. C. M. Wathes, J. B. Jones, H. H. Kristensen, E. K. M. Jones, & A. J. F. Webster. (2002).
Aversion of Pigs and Domestic Fowl to Atmospheric Ammonia. In Transactions of the ASAE
(Vol. 45, Issue 5). American Society of Agricultural and Biological Engineers (ASABE).
3. Andrade, L. de B., Martín-Gómez, C., Zuazua-Ros, A., & Ariño, A. (2022). Pollutant
Emissions in Livestock Buildings: Influence of Indoor Environment, Rearing Systems, and
Manure Management. Research Square Platform LLC.
4. Cambra-López, M., Aarnink, A. J. A., Zhao, Y., Calvet, S., & Torres, A. G. (2010).
Airborne particulate matter from livestock production systems: A review of an air pollution
problem. In Environmental Pollution (Vol. 158, Issue 1, pp. 1–17). Elsevier BV.
5. Berckmans, D. (2014). Precision livestock farming technologies for welfare management
in intensive livestock systems. In Revue Scientifique et Technique de l’OIE (Vol. 33, Issue 1, pp.
189–196). O.I.E (World Organisation for Animal Health).
6. Samandarov , B., Joldasbaev , D., & Gulmirzayeva , G. Internet ashyolar asosida qurilgan
tizimlarda yuklamalarni muvozanatlash masalasi. Digital Transformation and Artificial
Intelligence. 2024, 2(4), 126–132.
7. Самандаров, Б., Нишанов, А., Жолдасбаев, Д., & Гулмирзаева, Г. Адаптивное
управление процессами передачи данных в IoT устройствах. Потомки Аль-Фаргани. 2025,
1(1), 100–105.
SHAXSNI TANIB OLISHDA NUTQ SIGNALLARINING XUSUSIYATLARI VA
PARAMETRLARINI SHAKLLANTIRISH
Abdirazakov Faxriddin Bekpulatovich
Toshkent axborot texnologiyalari universiteti doktoranti
faxriddinabdirazzoqov@gmail.com
Annotatsiya:
Ushbu maqolada shaxsni tanib olish tizimlarida nutq signallarining roli,
ularning xususiyatlarini ajratib olish va parametrlarini shakllantirish jarayonlari yoritiladi. Nutq
signalining biometrik identifikatsiyadagi o‘ziga xosligi, ayniqsa, har bir insonning fonetik va
akustik jihatdan takrorlanmas nutq xususiyatlariga asoslanadi.
Kalit so‘zlar:
nutq signali, shaxsni aniqlash, biometrik tanib olish, xususiyatlarni ajratish,
MFCC, formant chastotalar, akustik xususiyatlar, signalni qayta ishlash.
ФОРМИРОВАНИЕ ХАРАКТЕРИСТИК И ПАРАМЕТРОВ РЕЧЕВЫХ
СИГНАЛОВ ДЛЯ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ.
Аннотация:
В данной статье рассматривается роль речевых сигналов в системах
идентификации личности, а также процессы выделения их характеристик и формирования
параметров. Биометрическая уникальность речевого сигнала основана на неповторимых
фонетических и акустических особенностях речи каждого человека.
Ключевые слова:
речевой сигнал, идентификация личности, биометрическое
распознавание, извлечение признаков, MFCC, формантные частоты, акустические
характеристики, обработка сигнала.
FEATURE EXTRACTION AND PARAMETER FORMATION OF SPEECH
SIGNALS FOR SPEAKER IDENTIFICATION
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
195
Annotation:
This article examines the role of speech signals in personal identification
systems, as well as the processes of feature extraction and parameter formation. The biometric
uniqueness of a speech signal is based on the distinctive phonetic and acoustic characteristics of
each individual’s voice.
Keywords:
speech signal, speaker identification, biometric recognition, feature extraction,
MFCC, formant frequencies, acoustic features, signal processing.
Nutq signallari yordamida shaxsni tanib olish texnologiyalari so‘nggi yillarda sun’iy
intellekt va mashinali o‘qitishning rivojlanishi bilan yangi bosqichga ko‘tarildi. Biometrik
identifikatsiya va tanib olish usullari orasida nutq signalidan foydalanish yuqori ishonchliligi va
tabiiyligi bilan ajralib turadi. Shaxsni tanib olish uchun nutq signalining xususiyatlarini o‘rganish
va tahlil qilish muhim ahamiyatga ega bo‘lib, bu turli akustik, spektral va prosodik parametrlarni
aniqlash orqali amalga oshiriladi. Ushbu maqolada nutq signallarining turli xususiyatlari, ularning
parametrlarini aniqlash usullari va shaxsni tanib olishda bu xususiyat va parametrlar turlarini birma
bir ko‘rib chiqamiz.
Nutq signalining umumiy xususiyatlari.
Nutq signali vaqt bo‘yicha o‘zgaruvchan bo‘lganligi
uchun, u quyidagi asosiy xususiyatlarga ega xisoblanadi:
Spektral xususiyatlar
. Nutq signallarini spektral tahlili nutq signalining chastota tarkibini
aniqlashga yordam beradi. Ushbu xususiyatlar Furye transformatsiyasi va mel-filtrlash yordamida
olinadi[1].
Nutq signalining spektral xususiyatlar nutq signalining chastota tarkibini tavsiflaydi va
shaxsni tanib olishda muhim rol o‘ynaydi. Ushbu xususiyatlar Furye transformatsiyasi, Mel-filtrlar
va spektral energiya tahlili kabi usullar yordamida aniqlanadi.
Spektral tahlil orqali quyidagi xususiyatlar hisoblanadi:
Spektral yoyilish (Spectral Spread)
– signalning chastotalar bo‘ylab keng tarqalishini
ifodalab keladi.
Spektral markaz (Spectral Centroid)
– signal energiyasining asosiy qismi to‘plangan
chastota xisoblanadi.
Spektral siyraklik (Spectral Flatness)
– spektrning tekis yoki aniq bir cho‘qqilarga ega
ekanligini ko‘rsatib keladi.
Formant chastotalari (Formants, F1, F2, F3)
– nutq organlarining rezonans xususiyatlarini
ifodalaydi.
Mel-chastotalar spektral koeffitsientlari (MFCC)
– inson eshitish tizimiga moslangan
spektral parametrlar xisob beradi[2].
Furye transformatsiyasi (FFT – Fast Fourier Transform). Spektral tarkibni aniqlash uchun
nutq signaliga tezkor Furye transformatsiyasi qo‘llaniladi va uning formulasi quydagicha.
𝑋(𝑘) = ∑
𝑥(𝑛)𝑒
−𝑗
2
𝜋𝑘𝑛/𝑁
𝑁−1
𝑛=0
(1)
Bu yerda
: X(k)-
chastota domenidagi signal,
x(n)
– vaqt domenidagi nutq signali
, N
– signal
uzunligi,
k
- chastota komponenti.
Spektral markaz (Spectral Centroid). Signal energiyasining qaysi chastotalar atrofida
to‘planganligini aniqlashda foydalaniladi va uning formulasi quydagicha.
𝐶 =
∑
𝑓
𝑘
𝑆(𝑘)
𝑁
𝑘=1
∑
𝑆(𝑘)
𝑁
𝑘=1
(2)
Bu yerda:
𝑓
𝑘
– k-bin chastotasi, ya’ni signalning shu joyidagi chastota qiymati.
𝑆(𝑘)
– shu chastotadagi signal energiyasi yoki amplitudasi xisblanadi.
Agar bizda
44100 Hz
chastota bilan olingan nutq signali bo‘lsa va
FFT
natijasida
N
= 1024
nuqta olsak, u holda
𝑓
𝑘
quyidagi formula orqali xisoblanadi.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
196
𝑓
𝑘
=
𝑘 × 𝐹
𝑠
𝑁
(3)
Bu yerda:
𝐹
𝑠
− 𝑑𝑖𝑠𝑘𝑟𝑒𝑡𝑖𝑧𝑎𝑡𝑠𝑖𝑦𝑎 𝑐ℎ𝑎𝑠𝑡𝑜𝑡𝑎𝑠𝑖 (𝑚𝑎𝑠𝑎𝑙𝑎𝑛, 44100 𝐻𝑧),
N - FFT oynasining uzunligi (masalan, 1024), k – indeks (0 dan N/2 gacha).
Shunday qilib,
𝑓
𝑘
chastotalarning qiymatlarini bildiradi va u spektral xususiyatlarni hisoblashda asosiy rol
o‘ynaydi[3].
Spektral yoyilish (Spectral Spread)
– bu nutq signalining chastotalar bo‘yicha tarqalish
darajasini ifodalovchi ko‘rsatkich. U signalning
spektral markazi (Spectral Centroid)
atrofida
qanday tarqalganligini aniqlaydi.Agar nutq signalining energiyasi qisqa chastota diapazonida
to‘plangan bo‘lsa, spektral yoyilish
kichik bo‘ladi
, aksincha, signal keng chastota diapazoniga
yoyilgan bo‘lsa, spektral yoyilish
katta
bo‘ladi. Spektral yoyilish signalning spektral markazdan
o‘rtacha kvadratik og‘ishi
(variance) sifatida aniqlanadi va quyidagi formula orqali hisoblanadi:
σ =
√
∑
(𝑓
𝑘
−𝐶)
2
𝑆(𝑘)
𝑁
𝑘=1
∑
𝑆(𝑘)
𝑁
𝑘=1
(4)
Bu yerda: σ – spectral yoyilish(Spectral Spread),
𝑓
𝑘
– k-bin chastotasi, ya’ni signalning shu
joyidagi chastota qiymati,
C
– spektral markaz:
Spektral yoyilishning shaxsni tanib olishdagi o‘rni. Har bir insonning ovozi nutq a’zolari
(ovoz boylamlari, til, lablar, burun bo‘shlig‘i) va talaffuz uslubiga bog‘liq holda o‘ziga xos akustik
xususiyatlarga ega. Ushbu akustik xususiyatlar spektral yoyilishda aks etadi. Misol uchun
erkaklarning ovozi odatda past chastotalarga yaqin bo‘lgan tor spektrga ega bo‘lsa, ayollarning va
bolalarning ovozi baland chastotalarga tarqalgan kengroq spektrga ega bo‘ladi. Shu sababli,
spektral yoyilish shaxsni identifikatsiya qilishda muhim omil hisoblanadi. Nutq ohangi va talaffuz
xususiyatlarini aniqlashda shaxsning nutq ohangi va talaffuz uslubi uning spektral yoyilishiga
bevosita ta’sir qiladi[4]. Misol uchun sekin, aniq talaffuz qilingan nutq tor spektrga ega bo‘lishi
mumkin. Tez, energiyali yoki qo‘pol talaffuz qilingan nutq keng spektrga ega bo‘lishi mumkin.
Shunday qilib, shaxsni ovoz orqali tanib olishda spektral yoyilish orqali talaffuz uslubi ham
baholanadi. Spektral yoyilish emotsional holatni aniqlashda xam muhim rol sanaladi.
Spektral siyraklik (Spectral Flatness).
Nutq signalining spektral siyraklik xususiyati bu nutq
signalining spektri qanchalik tekis yoki siyrak ekanligini ko‘rsatuvchi xususiyatdir. Bu ko‘rsatkich
signalning tonalligi (tonal) yoki shovqinli (noisy) ekanligini aniqlashga yordam beradi. Agar
spektral siyraklik yuqori bo‘lsa – signal energiyasi spektr bo‘ylab bir tekis tarqalgan bo‘ladi, ya’ni
shovqin yoki frikativ tovushlar (masalan, “s”, “sh”) nutq signalida ko‘p bo‘ladi. Agar spektral
siyraklik past bo‘lsa – signal energiyasi ma’lum chastotalarga jamlangan bo‘ladi, ya’ni signal tonal
(masalan, unli tovushlar) dan iborat bo‘ladi. Spektral siyraklik quydagi formula asosida spektral
siyraklik geometrik o‘rtacha va aritmetik o‘rtacha nisbatiga asoslangan bo‘ladi[5].
𝑆𝐹 =
(∏
𝑆(𝑘)
𝑁
𝑘=1
)
1
𝑁
1
𝑁
∑
𝑆(𝑘)
𝑁
𝑘=1
(5)
Bu yerda:
SF
– spektral siyraklik (Spectral Flatness),
S(k)
– signalning
k
-chastotadagi
energiyasi,
N
– umumiy chastota binlari soni, ∏ – geometrik o‘rtacha (ko‘paytma ildizi), ∑ –
arifmetik o‘rtacha (yig‘indi). Agar
SF
=1 → spektr shovqinli, energiya barcha chastotalarda teng
tarqalgan, agar
SF
≈0 → spektr tonal, energiya faqat muayyan chastotalarda jamlangan bo‘ladi.
Nutq orqali shaxsni aniqlashda spektral siyraklik quyidagi jihatlar uchun muhim hisoblanadi. Har
bir insonning ovozi unli va undosh tovushlarning qanday taqsimlanganligi bilan farqlanadi.
Shaxsni tanib olishda spektral siyraklik ovozning o‘ziga xosligini, talaffuz uslubini va
emotsional holatini aniqlashga yordam berish orqali shaxsni tanib olish tizimlarining aniqligini
oshirishda muhim akustik xususiyatlardan biri hisoblanadi.
Formant chastotalari
– bu nutq signalining spektrida paydo bo‘ladigan energiya
maksimumlari bo‘lib, ular insonning nutq organlari (til, lablar, tomoq) tomonidan hosil qilinadi.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
197
Formantlar inson ovozining o‘ziga xosligini belgilovchi muhim akustik parametrlardan biri
hisoblanadi.
Nutq signalida odatda eng muhim uchta formant chastotalari tahlil qilinadi:
F1 (Birinchi formant)
– og‘iz bo‘shlig‘ining ochiqlik darajasi va tilning vertikal
joylashuvi bilan bog‘liq.
F2 (Ikkinchi formant)
– tilning gorizontal harakati (old yoki orqa) bilan bog‘liq.
F3 (Uchinchi formant)
– lablarning shakli va rezonans xususiyatlarini ifodalaydi.
Mel-chastotalar
spektral
koeffitsientlari
(MFCC).
Mel-chastotalar
spektral
koeffitsientlari (MFCC) –
bu nutq signallarini tahlil qilish va shaxsni tanib olishda ishlatiladigan
eng samarali xususiyatlar
to‘plamidan biri. MFCC’lar
odam eshitish tizimi
qanday ishlashini
taqlid qiladi va
Mel shkalasi
asosida spektral xususiyatlarni ifodalaydi.
Fourier Transform (FFT – Tezkor Fourier tahlili).
Nutq signalini chastota sohasiga
o‘tkazish uchun Fourier transformasi qo‘llanadi[6]:
𝑆(𝑘) = ∑
𝑠(𝑛)𝑒
−𝑗
2
𝜋𝑘𝑛/𝑁
𝑁−1
𝑛=0
(6)
Bu signalning chastota spektrini beradi.
Mel Filter Bank (Mel-chastota filtrlarini qo‘llash).
Fourier spektri
Mel shkalasi asosida
bo‘lingan uchburchak filtrlar to‘plamiga
bo‘linadi. Mel shkalasi quyidagi formula bilan
topiladi:
𝑀𝑒𝑙(𝑓) = 2595𝑙𝑜𝑔
10
(1 +
𝑓
700
)
(7)
Mel filtrlari oddiy chastotani inson sezadigan shaklga o‘zgartiradi.
Logarithm (Energiyani log miqyosiga o‘tkazish).
Mel filtrlaridan o‘tkazilgan signal logarifm
qilinadi:
𝐸
𝑚
= log (∑
|𝑆(𝑘)|
2
𝑁
𝑘=1
𝐹
𝑚
(𝑘))
(8)
Logarifm inson eshitish tizimidagi kuchaytirish effektini taqlid qiladi.
Discrete Cosine Transform (DCT – Diskret Kosinus Transformasi).
Oxirgi bosqich –
DCT
orqali asosiy MFCC koeffitsiyentlarini olish
.
𝑐
𝑛
= ∑
𝐸
𝑚
𝑐𝑜𝑠[
𝜋𝑛
𝑀
(𝑚 − 0.5)]
𝑀
𝑚=1
,
n = 1,2,……, N
(9)
Bu
MFCC koeffitsiyentlarini
hisoblaydi, ya’ni nutq signalining eng muhim xususiyatlarini
ajratib ko‘rstadi. MFCC inson qulog‘iga mos bo‘lib, shovqinni kamaytirishga va muhim
xususiyatlarni ajratishga yordam beradi va Har bir insonning ovoz shakllantirish tizimi (og‘iz,
burun, tomoq va ovoz paychalari) o‘ziga xos hisoblanadi. MFCC shu fiziologik farqlarni aks
ettiradi, shuning uchun shaxsni tanib olishda samarali xisoblanadi[7].
Ushbu tadqiqotda nutq signalining spektral va akustik xususiyatlari tahlil qilinib, shaxsni
tanib olish tizimlaridagi ahamiyati yoritildi. MFCC, formant chastotalar, spektral markaz, yoyilish
va siyraklik kabi parametrlar shaxsga xos akustik belgilarni aniqlashda muhim omillar sifatida
namoyon bo‘ldi. Tadqiqot natijalari ushbu xususiyatlarni mashinali o‘qitish usullari bilan
birlashtirish orqali identifikatsiya aniqligini oshirish mumkinligini ko‘rsatdi. Nutq asosidagi
biometrik yondashuv ishonchliligi va tabiiyligi bilan ajralib turadi hamda zamonaviy
identifikatsiya tizimlari uchun samarali yechim hisoblanadi.
Adabiyotlar ro‘yxati
1.Chauhan, N. & Chandra, M. (2023) Speaker Identification Using MFCC Feature
Extraction and ANN Classifier,
Wireless Personal Communications,
122(1), pp. 191–194.
Available at: https://dl.acm.org/doi/10.1007/s11277-024-11282-1.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
198
2.Nasr, M.A., Abd-Elnaby, M., El-Fishawy, A.S., El-Rabaie, S. & El-Samie, A. (2021)
Speaker Identification Based on Normalized Pitch Frequency and Mel Frequency Cepstral
Coefficients,
International Journal of Speech Technology,
21, pp. 941–951.
3.Singh, M.K., Singh, A.K. & Singh, N. (2021) Multimedia Analysis for Disguised Voice
and Classification Efficiency,
Multimedia Tools and Applications,
78(20), pp. 29395–29411.
4.Ganchev, T., Fakotakis, N. & Kokkinakis, G. (2022) Comparative Evaluation of Various
MFCC Implementations on the Speaker Verification Task,
10th International Conference on
Speech and Computer (SPECOM 2022),
Vol. 1, pp. 191–194.
5.Yuan, Y., Zhao, P. & Zhou, Q. (2020) Research of Speaker Recognition Based on
Combination of LPCC and MFCC,
International Conference on Intelligent Computing and
Intelligent
Systems,
pp.
1147–1149.
Available
at:
6.Han, K., Yu, D., Tao, R. & Deng, L. (2023) Deep Neural Network Based Speaker
Recognition,
IEEE Transactions on Audio, Speech, and Language Processing, 22(
12), pp. 1709–
1721.
7.Reynolds, D.A. & Rose, R.C. (2022) Robust Text-Independent Speaker Identification
Using Gaussian Mixture Speaker Models,
IEEE Transactions on Speech and Audio Processing,
3(1), pp. 72–83.
SI/Cu PLENKA SIRTIGA O
2
+
IONLARI BILAN IMPLANTATSIYA
QILINGANDA NANOO‘LCHAMLI PLYONKASINING HOSIL BO‘LISHI
Rabbimov E.A.
Jizzax politexnika instituti dotsenti
Saitqulova R.X.
Jizzax politexnika instituti тalabasi
Anotatsiya:
O
2
+
ionlari bilan implantatsiya qilingandan keyingi Si-Cu(100) sirt yuzasi va
sirt qismi tarkibining va tarkibidagi atomlar taqsimlanishi tekshirilgan. Bu ishda Si/Cu(100)
tizimini O
2
+
ionlari bilan ionli implantatsiya qilish natijasida sirt yuza bo‘ylab va sirt yuza qatlami
tarkibidagi atomlarning taqsimlanishini tekshirish ishi birinchi marta o‘tkazilmoqda. Toza Si/Cu
tizimini O
2
+
iolari bilan implantatsiya qilish va qizdirish yo‘li bilan d ~1,5-2 nm qalinlikdagi SiO
2
nanoplyonkasini olish imkonini berar ekan.
Kalit so‘zlar:
ionli implantatsiya, nanoplenka, epitaksial plyonka, getroepitaksial tizim,
foton, miqdor,elektron, plenka, turg‘un bo‘lmagan sirtyuza ionlanishi, modulyatsiya usuli,
kuchlanishning modulyatsiya usuli.
ОБРАЗОВАНИЕ НАНОРАЗМЕРНОЙ ПЛЕНКИ Si/Cu ПРИ ИМПЛАНТАЦИИ
НА ПОВЕРХНОСТЬ ПЛЕНКИ ИОНОВ O2+
Аннотация:
В данной работе изучается поверхностный состав и атомное
распределение системы Si-Cu(100) после имплантации ионами O₂⁺. Впервые было
проанализировано распределение атомов по поверхности и в приповерхностном слое
системы Si/Cu(100) после ионной имплантации. Результаты показывают, что путем
имплантации чистого Si/Cu ионами O₂⁺ и применения тепла можно получить нанопленку
SiO₂ толщиной приблизительно 1,5–2 нм.
