Diseño de una herramienta computacional que permita el reconocimiento de personas a través de la voz aplicando Dee Learning y transformada de Wavelet

Abstract

Actualmente existen gran número de aplicaciones basadas en características biométricas para comprobar y validar la identidad de la persona, con destacada aceptación y fiabilidad dadas las ventajas que en materia de seguridad y privacidad generan, puesto que no comprometen la información de los usuarios presentes en las operaciones gestionadas mediante estos sistemas. Así mismo, como consecuencia de la masificación a escala mundial que han experimentado los equipos de telefonía móvil, se ha encontrado en ello uno de los medios más idóneos para implementar masivamente un sistema biométrico de bajo costo a través del análisis de la voz. Pensando en esto, se llevó a cabo un proyecto dedicado al desarrollo de una herramienta computacional con capacidad para adquirir, procesar, visualizar y analizar señales de voz, con base a la implementación de algoritmos de inteligencia artificial basados en «Deep Learning», Transformada deWavelet y la conformación de una interfaz de usuario, concebida mediante el software MATLAB, cuyo entorno cumplía con todos los requisitos dispuestos. El diseño del identificador se concentró en 2 etapas de funcionamiento, en primer lugar, el registro del locutor en la base de datos del sistema, a partir de la adquisición de muestras vocales, realizándole un tratamiento previo para lograr eliminar silencios y minimizar efectos de ruido mediante la transformada de Wavelet y de esta forma facilitar la extracción de características que sirvan como fuente de aprendizaje para el reconocimiento de patrones. El estudio de estas características se realizó a través del uso del programa Praat, elegido por ser un software gratuito de gran utilidad para los estudios fonéticos del habla. En segundo lugar, la fase de validación, donde se certifica que la persona es quien dice ser, cuya decisión va por cuenta del bloque de procesamiento inteligente basado en redes neuronales implementando técnicas de Deep Learning. Cabe señalar que se incluyó una sección para la representación gráfica de modo que la experiencia para el usuario fuese de mayor atractivo al tener la posibilidad de contrastar la señal de voz original y la derivada del tratamiento interno para su adecuación para los fines acústicos esperados, que en conjunción con el soporte dado por la revisión bibliográfica, consolidaron a los formantes y pitch como los parámetros característicos de la voz de mayor soporte para distinguir a un individuo de cualquier otro. Asimismo, los ensayos arrojaron que la herramienta es capaz de validar con un porcentaje de acierto superior al 90 %