O‘zbekiston respublikasi fanlar akademiyasi

Хулоса. Ҳозирги пайтда шахсни нутқи асосида таниб олиш имконини 
берувчи нутқ сигналларини таснифлашнинг кўплаб усуллари мавжуд ва уларнинг 
катта қисми ишлаб чиқиш босқичида ва ёпиқ ҳолда учрайди. Шунинг учун 
шахсни таниб олишнинг очиқ модулини ишлаб чиқиш талаб этилади. Таҳлил 
натижалари нейрон тармоғи узлуксиз қўзғатиш функциясидан фойдаланилган 
ҳолатда бу каби тармоқлар ўқитиш танланмасини умумлаштириш қобилиятига 
эгалигини, таҳлил қилишга қулайлиги ва таснифлаш самарадорлиги юқори 
эканлигини ва таснифлаш масаласини ҳал этиш учун нейрон тармоғидан 
фойдаланиш мақсадга мувофиқ эканлигини кўрсатди. 
Таклиф этилган дастурий модул нутқ таниб олиш тизими ишини янада 
яхшилаш учун мўлжалланган. Ушбу модул ёрдамида тизим суҳандонларни 
уларнинг овози характерли белгилари асосида таниб олиши мумкин бўлиб, бу 
суҳандонни таниб олиш ишончлилигини оширади. Ушбу модул билан биргаликда 
тизим ишончлилиги 10-25 фоизга ошгани тестлаш натижасида кўринди. 
Фойдаланувчиларни овози характерли белгилари асосида классификация 
қилишнинг мавжуд ёндашувлари таҳлил қилинди ва улар ичидан алгоритм 
танланди. Суҳандонларни идентификация қилишга имкон берувчи нутқ 
сигналидан белгиларни ажратиб олиш усули ишлаб чиқилди. Matlab муҳитидан 
фойдаланиб суҳандонни овоз бўйича идентификация қилиш модулининг дастурий 
реализацияси бажарилди. Нутқ таниб олиш сифати ошириш учун оптимал 
алгоритм танланиб, уни ўхшаш овозли суҳандонлар нутқларини ўқитилди.
Натижада экспериментал тадқиқотлар ишлаб чиқилган модулнинг таниб олиш 
сифатини 15-20 % га оширишга имкон бергани аниқланди. 
ФОЙДАЛАНИЛГАН АДАБИЁТЛАР 
1. http://www.speechpro.ru/. Нуқт технологиялари маркази.
2. Мат веев, Ю. Н. Технологии биометрической идентификации личности по 
голосу и другим модальностям // Вестник МГТУ им. Н. Э. Баумана. 
Электронное научно-техническое издание. 2012. № 3(3). 
3. http://vestnik.bmstu.ru/catalog/it/biometric/91.html/
4. Кап устин А. И., С имончик К . К. Система верификации дикторов по 
голосу «Цифровая обработка сигналов и ее применение». М., 2010. Т.1. с 
207-210. 
5. Обзор 
основных 
методов 
распознавания 
дикторов 
Е.А.Первушин. 
http://cyberleninka.ru/article/n/obzor-osnovnyh-metodov-raspoznavaniya-
diktorov.pdf.
6. ru.wikipedia.org/wiki/Распознавание_по_голосу
7. Дьяконов, В. MATLAB: Учебный курс // В. Дьяконов. Санкт-Петербург.: 
Питер, 2001. - 560 с.
8. Распознавание речи. Часть 1. Классификация систем распознавания речи. 
https://geektimes.ru/post/64572/
9. Идентификация-диктора-по-голосу-текст.http://seminar.at.ispras.ru/wp-
content/uploads/2012/07/
10. Ing-J r Di ng, Developments of Machine Learning Schemes for Dynamic Time-
Wrapping-Based Speech Recognition // Ing-Jr Ding, Chih-Ta Yen, Yen-Ming 
Hsu. Mathematical Problems in Engineering. 2013.
11. po-napravleniyu-rechevye-tekhnologii/
12.  http://sud-expertiza.ru/library/ekspertiza-lichnosti-po-zvuchashhey-rechi/ 

---

36 
13. Система исследования речевых компонентов В.С. Шерхонов. 
http://www.stelani.ru/services/uslugi 
14. Bilm es , A. A Gentle Tutorial of the EM Algorithm and its Application
to Parameter Estimation for Gaussian Mixture and Hidden Markov Models // A. 
Jeff. Berkley: International Computer Science Institute. 1998. P. 7–13.
15. https://research-journal.org
16. https://seminar.at.ispras.ru 
17. https://tech.yandex.ru/speechkit/
Муҳаммад ал-Хоразмий номидаги 11.04.2019й. 
Тошкент ахборот технологиялари қабул қилинган 
университети ҳузуридаги ахборот- 
коммуникация технологиялари 
илмий-инновацион маркази 
Муҳаммад ал-Хоразмий номидаги
Тошкент ахборот технологиялари
университети Нукус филиали 
УЎК 519.81