Management and Future Technologies | Volume 2, Issue 3 | № 007

Generatsiya. Oqim generatori holat registrlari qiymatining 4 bitini o‘zgartirish uchun 64 bitli boshlang‘ich holat registrlarining 8 bitining qiymatlaridan va kalit oqimining 1 bitini hisoblash 28 bitining qiymatlaridan foydalanadi. 2048 iteratsiyadan iborat initsializatsiya jarayonidan keyin mazkur 28 bitning qiymatiga kalit va initsialiatsion vektorning qiymatlari to‘liq ta’sir qilib bo‘ladi. Shifrlash uchun zarur 𝑁 (𝑁 ≤ 264 ) bit kalitni generatsiya qilish jarayonini quyidagi psevdokod yordamida ifodalash mumkin. 𝑓𝑜𝑟 𝑖 = 0 𝑡𝑜 𝑁 𝑑𝑜 𝑎5 ⨁𝑎10 → 𝑡0 𝑏7 ⨁𝑏14 → 𝑡1 𝑐4 ⨁𝑐8 → 𝑡2 𝑑6 ⨁𝑑10 → 𝑡3 𝑡0 ⨁𝑡1 ⨁𝑡2 ⨁𝑡3 → 𝑐ℎ𝑖𝑞𝑖𝑠ℎ𝑖 𝑎5 ⨁𝑎8 ∙ 𝑎9 ⨁𝑎10 ⨁𝑎14 ⨁𝑎16 ⨁𝑏10 → 𝑡0 𝑏7 ⨁𝑏12 ∙ 𝑏13 ⨁𝑏14 ⨁𝑏16 ⨁𝑏18 ⨁𝑐9 → 𝑡1 𝑐4 ⨁𝑐6 ∙ 𝑐7 ⨁𝑐8 ⨁𝑐10 ⨁𝑐12 ⨁𝑑11 → 𝑡2 𝑑6 ⨁𝑑8 ∙ 𝑑9 ⨁𝑑10 ⨁𝑑12 ⨁𝑑14 ⨁𝑎13 → 𝑡3 (𝑡3 , 𝑎0 , … , 𝑎15 ) → (𝑎0 , … , 𝑎16 ) (𝑡2 , 𝑏0 , … , 𝑏17 ) → (𝑏0 , … , 𝑏18 ) (𝑡1 , 𝑐0 , … , 𝑐11 ) → (𝑐0 , … , 𝑐12 ) (𝑡0 , 𝑑0 , … , 𝑑13 ) → (𝑑0 , … , 𝑑14 ) 𝑒𝑛𝑑 𝑓𝑜𝑟. Yuqorida keltirilgan psevdokodlarda qo‘shish (⨁) va ko‘paytirish (∙) amallari 2 modul bo‘yicha qo‘shish va ko‘paytirishni amalga oshiruvchi XOR va AND amallari hisoblanadi. Mazkur algoritm yordamida bitta kalit va initsializatsion vektor yordamida 264 bit uzunlikdagi kalitlarni generatsiya qilish tavsiya qilinadi. NewHSA - bu asosan apparatga yo‘naltirilgan moslashtirilgan algoritm. U gate (element) lar soni boʻyicha cheklovlar boʻlgan muhitlarda ixcham boʻlishga, cheklangan quvvat manbalariga ega platformalarda quvvatni tejaydigan va yuqori tezlikdagi shifrlashni talab qiladigan ilovalarda tezkorlikni ta’minlashga qaratilgan. Ixcham amalga oshirish talabi bitga yo‘naltirilgan yondashuvni taklif qiladi. Bundan tashqari, kalit oqimi generatorining chiqishida ichki holat registrlarining chiziqsiz bog‘liqliligini ta’minlash talab qilinadi. Energiyani samarali sarflash va tezkor amalga oshirishni ta‘minlash imkoni ham mavjud bo‘lishi kerak. NewHSA algoritmining apparat arxitekturasi Taklif etilgan NewHSA oqimli shifrlash algoritmi apparat darajasida yuqori samaradorlik va past murakkablik tamoyillariga asoslangan holda ishlab chiqilgan. Algoritmning yadro qismini tashkil etuvchi apparat arxitekturasi — to‘rtta siljitish registri, kombinatsion mantiqiy elementlar (XOR va AND), va umumiy sinxronizatsiya sxemasidan iborat. Ushbu komponentlar bitlarga yo‘naltirilgan yengil apparat dizaynini hosil qilib, oqimli shifrlash uchun kerakli gamma oqimini generatsiya qiladi. 40

Ichki holat va initsializatsiya mexanizmi Algoritm 64 bitli boshlang‘ich holatdan iborat bo‘lib, bu holat to‘rtta alohida siljitish registrlari orqali taqsimlanadi: • RA (17 bit), • RB (19 bit), • RC (13 bit), • RD (15 bit). Har bir registr o‘zining qayta aloqa zanjiriga ega bo‘lib, bu zanjir XOR va AND elementlari yordamida chiziqli va chiziqsiz transformatsiyalarni amalga oshiradi. Initsializatsiya bosqichida 128 bitli kalit ikkita bosqichda registrlarga yuklanadi: 1. Birinchi 64 biti registrlarga bevosita yuklanadi va algoritm 1024 sikl davomida ishga tushiriladi. 2. Qolgan 64 bit kalit 2 modul bo‘yicha registrlar bilan birlashtiriladi (XOR), so‘ngra algoritm yana 1024 sikl davomida takrorlanadi. Bu ikki bosqichli yuklash mexanizmi gamma oqimining har bir biti kalit va initsializatsiya vektoriga to‘liq bog‘liqligini ta’minlaydi. Bunday yondashuv boshlang‘ich holatni maksimal darajada diversifikatsiya qilishga imkon beradi. Gamma oqimining generatsiyasi Initsializatsiya tugaganidan so‘ng, algoritm har bir soat impulsida (clock cycle) gamma oqimining yangi bitini generatsiya qiladi. Chiquvchi bit to‘rtta registrdan olinadigan tanlab olingan bitlar kombinatsiyasidan, XOR va AND amallari orqali hosil qilinadi. Bu bit shifrlanayotgan ochiq matn biti bilan XOR qilinib, shifrlangan matn hosil qilinadi. Oqimli shifrlashning ushbu prinsipi real vaqt rejimida kam kechikish bilan ishlashga imkon beradi. Qayta ishlash operatsiyasi simmetrik bo‘lib, deshifrlashda aynan shu gamma oqimi yordamida ochish amali amalga oshiriladi. t0 t3 a0 a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 a11 a12 a13 a14 a15 a16 t0 t1 b0 b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15 b16 b17 b18 output t1 t2 c0 c1 c2 c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 t2 t3 d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 d13 d14 3-rasm. Algoritmning umumiy tuzilishi 41

Arxitekturaning sxematik tuzilishi Apparat sxemasi D-triggerlar va ularni boshqaruvchi kombinatsion elementlar asosida tashkil etilgan. Har bir registrning keyingi holati: • avvalgi sikldagi tanlangan bitlar kombinatsiyasi, • qayta aloqa zanjirining XOR va AND elementlari orqali bajariladigan mantiqiy amallari bilan belgilanadi. Soat impulsi yordamida barcha registrlar sinxron ravishda yangilanadi. Bu sxema apparatda barqaror ishlashni va minimal mantiqiy kechikishni ta’minlaydi. 5.4. Misol sifatida ishga tushirish va holat dinamikasi Quyida algoritmning ishga tushirilishiga oid namunaviy holatlar keltiriladi: Kiruvchi kalit (128 bit): 00011100000001100011011000011001000010110001001001100000001000110011101100110101 000100100101111100011110000111010000111000101111 Initsializatsiyadan oldingi registrlar qiymati: • RA: 00011100000001100 • RB: 0110110000110010000 • RC: 1011000100100 • RD: 110000000100011 Initsializatsiyadan keyingi registrlar qiymati: • RA: 10101001101000001 • RB: 1111111100101110010 • RC: 0000100110010 • RD: 110100111001100 Chiqarilgan gamma oqimi: 00010010111100100100100111111010001000010010001100011111000100011001011111101111 ... Arxitekturaning texnik xususiyatlari 1-jadvalda keltirib o‘tilgan. 1-jadval. Arxitekturaning texnik xususiyatlari Ko‘rsatkich Qiymat Kalit uzunligi 128 bit Ichki holat uzunligi 64 bit (RA⨁RB⨁RC⨁RD) XOR elementlar soni 23 AND elementlar soni 3 D-triggerlar soni 64 Umumiy apparat murakkabligi 830 ta element (gate) 42

Ushbu apparat arxitekturasi yengil shifrlash talab qilinadigan past quvvatli muhitlar uchun optimallashtirilgan bo‘lib, ixchamlik, yuqori ishlash tezligi va kriptografik xavfsizlik talablari o‘rtasida samarali muvozanatni ta’minlaydi. 4-rasm. Umumiy apparat ta’minotining ifodalanishi Ikkinchidan, NHSA ichki holati teskari tarzda yangilanadi va (𝑐0 , . . , 𝑐96 ) registrining ishga tushirilishi holatning 96 iteratsiyadan kamroq aylanishining oldini oladi. Agar NHSA yetarli miqdordagi iteratsiyadan (mazkur holatda 269*4=1076 iteratsiya) so‘ng tasodifiy almashtirish sifatida harakat qiladi deb hisoblansa, u holda 2269 gacha bo‘lgan barcha sikl uzunliklari teng ehtimolga ega bo‘ladi va shuning uchun berilgan kalit/IV juftligining 2128 dan kichik siklni keltirib chiqarishi ehtimoli 2269-128=2141 ga teng bo‘ladi. Shunday bo‘lsa ham, yuqorida generatsiya qilingan kalitlarning ishonchliligini maksimal ta’minlanishini sug‘urtalash maqsadida bir kalit/IV juftligi yordamida 264 bit kalit generatsiya qilish tavsiyasi keltirildi. Eksperimental natijalar va tahlil NewHSA algoritmining samaradorligi va kriptografik barqarorligi uning apparat darajasidagi resurs talablari, ishlash sikllari va gamma oqimining statistik xususiyatlari orqali baholandi. Quyida eksperimental natijalarning texnik tahlili, NIST SP800-22 statistik testlari asosidagi ishonchlilik darajasi va algoritmning mavjud ilg‘or oqimli shifrlash algoritmlari bilan qiyosiy bahosi keltirilgan. Apparat murakkabligi va resurslar talabi Algoritmning apparat darajasida ishlashi uchun zarur bo‘lgan mantiqiy elementlar soni maxsus mezonlar asosida hisoblab chiqildi. Quyidagi 2-jadvalda o‘rtacha baholash ko‘rsatkichlari asosida umumiy apparat murakkabligi aniqlandi: 43

Mantiqiy element turi 1 ta D-trigger 1 ta XOR 1 ta AND 2-jadval. Umumiy apparat murakkabligi ko‘rsatkichi Ekvivalent elementlar soni (gate) 12 2.5 1.5 Shunga ko‘ra, umumiy apparat implementatsiyasi quyidagi resurslar asosida baholandi: • D-triggerlar: 64 × 12 = 768 gate • XOR: 23 × 2.5 = 57.5 gate • AND: 3 × 1.5 = 4.5 gate Jami: 830 ta mantiqiy element. Bu natijalar NewHSA algoritmining apparatda resurs tejaydigan va amaliy qurilmalarda joriy etish uchun qulay arxitekturaga ega ekanligini ko‘rsatadi. Gamma oqimining statistik bahosi (NIST SP800-22) NewHSA tomonidan generatsiya qilingan gamma oqimlarning kriptografik tasodifiylik darajasi NIST SP800-22 statistik testlar to‘plami orqali tahlil qilindi. Har bir test gamma oqimining tasodifiy naqshlardan holiligi, ehtimollik nazariyasiga muvofiqligi va kriptobardoshligini baholaydi. Quyida 5-rasmda NIST testlarining 15 ta asosiy testning p-qiymatlari va natijalari keltirilgan: 5-rasm. NewHSA algoritmi uchun NIST testlaridan olingan natijalari Natijalar shuni ko‘rsatadiki, NewHSA algoritmi tomonidan generatsiya qilingan ketmaketliklar tasodifiy xossalarga to‘liq javob beradi va barcha testlardan muvaffaqiyatli o‘tgan. Yuqorida siz ko‘rgan diagramma — NewHSA algoritmi uchun NIST SP800-22 statistik testlarining p-qiymatlarini ko‘rsatadi. Bu grafik har bir test bo‘yicha algoritm tomonidan generatsiya qilingan gamma oqimining tasodifiylik darajasini tasdiqlaydi. Qizil chiziq — statistik ahamiyat chegarasini (α = 0.01) bildiradi. Barcha ustunlar bu chiziqdan yuqori bo‘lgani sababli, algoritm barcha testlardan muvaffaqiyatli o‘tgan deb hisoblanadi. Qiyosiy tahlil: Trivium va A5/1 bilan solishtirma 44

NewHSA algoritmi mashhur oqimli shifrlash algoritmlari — Trivium va A5/1 bilan apparat darajasidagi murakkablik, kalit uzunligi, ichki holat hajmi va elementlar soni kabi mezonlar asosida taqqoslab baholandi. Qiyosiy tahlil algoritmlarning apparat samaradorligini va resurs talablarini ob’ektiv baholash imkonini beradi. Amaliy hisob-kitoblar kriptografik apparat tizimlarida keng qo‘llaniladigan standart texnik yondashuvga asoslangan: bunda har bir flip-flop (surish registri elementi) uchun taxminan 12 ta NAND element, har bir XOR elementi uchun 2,5 gate, va har bir AND elementi uchun 1,5 gate ekvivalent qiymat sifatida olinadi. Ushbu texnik mezonlar ilgari ko‘plab apparatga yo‘naltirilgan yengil kriptografiya tadqiqotlarida asos sifatida qabul qilingan. Shunga asosan, NewHSA, A5/1 va Trivium algoritmlarining apparatga joriy etilishi uchun talab qilinadigan umumiy mantiqiy elementlar soni aniqlanib, ularning samaradorlik ko‘rsatkichlari 3-jadvalda jamlangan. Ayniqsa, eSTREAM tanlovida eng samarali oqimli shifrlash algoritmlaridan biri sifatida tan olingan Trivium bilan o‘tkazilgan taqqoslash NewHSA algoritmining afzalliklarini yaqqol ochib beradi. 3-jadval. NewHSA, A5/1 va Trevium algoritmlarining apparat tatbiqi uchun zarur gatelar soni Ko‘rsatkich Trivium A5/1 NewHSA Kalit uzunligi (bit) 80 64 125 IV uzunligi (bit) 80 Ichki holat 288 × 12 = 3456 64 × 12 = 768 64 × 12 = 768 AND elementlar soni 3 × 1.5 = 4.5 3 × 1.5 = 4.5 3 × 1.5 = 4.5 XOR elementlar soni 11 × 2.5 = 27.5 17 × 2.5 = 42.5 23 × 2.5 = 57.5 Jami gate soni 3488 815 830 Qiyosiy tahlil shuni ko‘rsatadiki, NewHSA algoritmi Triviumga nisbatan deyarli 4 baravar kam apparat resursini talab qiladi, A5/1 ga nisbatan esa xavfsizlik darajasi (kalit uzunligi va gamma oqimi strukturasida chiziqsizlik) sezilarli darajada yuqori. Algoritm davri va barqarorlik bahosi NewHSA algoritmi ichki holatining chiziqli bo‘lmagan evolyutsiyasi tufayli uning davrini aniq belgilash matematik jihatdan murakkab. Biroq, eksperimental kuzatishlar asosida quyidagi xulosalarga kelingan: • Algoritm minimal 2²⁸³−1 uzunlikdagi sikllarni hosil qilishi mumkin. • Tasodifiy almashtirishga o‘xshash xatti-harakatlar ≥ 2¹⁰⁷⁶ iteratsiyadan so‘ng kuzatiladi. • Bir kalit/IV juftligi uchun maksimal tavsiya etilgan kalit oqimi uzunligi 2⁶⁴ bit deb belgilanadi. Bu esa algoritmning yuqori entropiyaga ega va barqaror gamma generator sifatida ishlashini tasdiqlaydi. Xulosa Ushbu tadqiqotda apparat darajasida samarali ishlaydigan va resurslari cheklangan muhitlar uchun moslashtirilgan yangi oqimli shifrlash algoritmi — NewHSA ishlab chiqildi va har tomonlama tahlil qilindi. Algoritmning asosiy ustunligi — uning soddaligi, apparatda ixcham amalga oshirilishi, yuqori ishlash tezligi va kriptografik jihatdan tasdiqlangan xavfsizlik darajasidir. 45

NewHSA algoritmining apparat arxitekturasi to‘rtta siljitish registri va ularni boshqaruvchi XOR hamda AND elementlari asosida tashkil etildi. Arxitektura bitlarga yo‘naltirilgan bo‘lib, umumiy hisobda atigi 830 ta mantiqiy element (gate) talab qiladi, bu esa uni yengil kriptografiya (lightweight cryptography) mezonlariga to‘liq moslashtiradi. Ushbu soddalik algoritmni IoT, RFID, simsiz sensor tarmoqlari kabi past quvvatli va real vaqtga asoslangan tizimlar uchun istiqbolli nomzodga aylantiradi. Statistik baholash natijalari shuni ko‘rsatadiki, NewHSA algoritmi tomonidan generatsiya qilingan gamma oqimlari NIST SP800-22 testlar to‘plamining barcha bandlari bo‘yicha muvaffaqiyatli natijalarni qayd etdi. Bu esa gamma oqimining haqiqiy tasodifiylik xususiyatlariga ega ekanligini tasdiqlaydi. Shuningdek, algoritm Trivium va A5/1 kabi mashhur oqimli shifrlash algoritmlari bilan apparat darajasidagi samaradorlik va xavfsizlik ko‘rsatkichlari bo‘yicha qiyoslandi. Natijalar NewHSA algoritmining kalit uzunligi, apparat murakkabligi va gamma oqimi sifati bo‘yicha optimal muvozanatni ta’minlashini ko‘rsatdi. Adabiyotlar 1. Good T., Benaissa M. Hardware performance of eSTREAM Phase-III stream cipher candidates // State of the Art of Stream Ciphers Workshop (SASC). Lausanne, 2008. 2. Canniere C., Preneel B. Trivium Specification // eSTREAM, ECRYPT Stream Cipher Project. 2006. URL: https://www.ecrypt.eu.org/stream 3. Golic J.D. Cryptanalysis of Alleged A5 Stream Cipher // Advances in Cryptology – EUROCRYPT ’97. Lecture Notes in Computer Science. Vol. 1233. Springer, 1997. P. 239– 255. 4. Bernstein D.J. Salsa20 specification // eSTREAM Project. 2005. URL: https://www.ecrypt.eu.org/stream/salsa20 5. Rukhin A. et al. A Statistical Test Suite for Random and Pseudorandom Number Generators for Cryptographic Applications. NIST SP 800-22 Rev. 1a. National Institute of Standards and Technology. Gaithersburg, MD, 2010. 6. Babbage S., et al. The eSTREAM Portfolio. ECRYPT II Project. Brussels: European Network of Excellence in Cryptology II, 2008. 7. Katz J., Lindell Y. Introduction to Modern Cryptography. 3rd ed. CRC Press, 2020. 579 p. 8. Zheng Y., Huang M. Design and Implementation of Lightweight Stream Ciphers for Lowresource Devices // IEEE Access. 2019. Vol. 7. P. 161104–161113. DOI: 10.1109/ACCESS.2019.2949168. 9. Rakhmatullaevich R. I., Mardanokulovich I. B. Analysis of cryptanalysis methods applied to stream encryption algorithms //Artificial Intelligence, Blockchain, Computing and Security Volume 1. – CRC Press, 2023. – С. 393-401. 10. Rahmatullayev I., Abduraximov B. Chacha20 oqimli shifrlash algoritmining raund funksiyasining modifikatsiya variantlarini baholash //digital transformation and artificial intelligence. – 2024. – Т. 2. – №. 5. – С. 18-26. 46

AVTONOM HARAKATLANISH TIZIMLARIDA OBYEKTGACHA MASOFANI O‘LCHASH ANIQLIGINI OSHIRISH YECHIMINI ISHLAB CHIQISH Turgunov Bekzod Kommunikatsiya va raqamli texnologiyalar kafedrasi, “University of management and future technologies” universiteti bekzodmirzoturgunov@gmail.com Annotatsiya: Ushbu maqolada sun’iy intelekt asosidagi avtonom harakatlanish tizimlarida harakat yo‘nalishida aniqlangan obyektlargacha bo‘lgan masofani aniqlashda qo‘llaniluvchi stereo kamera tizimlari uchun masofani hisoblash aniqligini oshirish yechimlari taklif qilinadi. Xususan, stereo kamera tizimlari yordamida kuzatuvdagi obyektgacha masofani hisoblash aniqligiga salbiy ta’sir qiluvchi stereo kamera optik o‘qlarini parallelligini buzilishi omilini ta’sirini e’tiborga olgan xolda masofani yuqori aniqlikda hisblash imkonini beruvchi matematik formula taklif etiladi. Taklif etilgan masofani hisoblash formulasi yordamida hisoblash aniqligi eksperimental tajriba yordamida taxlil qilinadi va taxlil natijalari bayon qilinadi. Kalit so‘zlar: avtonom harakatlanish tizimlari, stereo kamera tizimlari, optik o‘qlar og‘ishi, stereo kalibrlash jarayoni. Kirish Bugungi kunda avtonom harakatlanish tizimlarida harakat yonalishida bo‘lgan obyektlarni aniqlashda turli sun’iy intelektning modellaridan foydalanish bilan bir qatorda, tanib olingan obyektgacha masofani o‘lchash ham muxim masala hisblanadi. Kuzatuv sahnasidagi obyektgacha masofani o‘lchas maqsadida qo‘llash mumkin bo‘lgan bir necha texnologiyalar mavjud va ular o‘zaroi bir-biridan ishlash tamoyili, masofani o‘lchash aniqligi, ol’hcmlari va elektr energiya sarfi kabi ko‘rsatkichlari bo‘yicha farqlanadilar. Xususan bugungi kunda avtonom xarakatlanish tizimlarida quyidagi usullar keng qoʻllaniladi [1]: • Ultra tovushli sensorlar yordamida toʻsiq yoki ob'ektgacha masofani oʻlchash usuli; • LiDAR (Light Detection and Rending) texnologiyasi yordamida toʻsiq yoki ob'ektgacha masofani oʻlchash usuli; • Stereo kameralar yordamida paralaks tasvirlar asosida toʻsiq yoki ob'ektgacha masofani oʻlchash usuli. Yuqorida sanab oʻtilgan toʻsiq yoki ob'ektgacha masofani oʻlchash usullaring oʻziga xos afzallik va kamchiliklari mavjud. Xususan, toʻsiq yoki ob'ektgacha masofani oʻlchashning ultratovushli sensorlar yordamida amalga oshirish usuli eng sodda va qoʻllanilish murakkab boʻlmagan usul xisoblansada, ma'lum kuzatuvdagi ob'ektgacha masofani oʻlchashda jiddiy muammolar kelib chiqadi. Chunki bu usulda nafaqat kuzatuvdagi ob'ekt balki kuzatuv yoʻnalishida mavjud boʻlgan boshqa ob'ektlar ham sensordan uzatilgan ultra tovushli toʻlqinni akslantirishi mumkin va bu oʻlchash xatoligini keskin ortib ketishiga sabab boʻladi. LiDAR texnologiyasi, toʻsiq yoki ob'ektgacha masofani oʻlchash usullari ichida oʻlchash aniqligi yuqori boʻlgan usul xisoblanadi. Chunki bu usulda kuzatuvdagi ob'ektgacha masofani oʻlchashda optik diapazondagi lazer nurlanishidan foydalaniladi. Lazer nurlatgichdan uzatilgan toʻlqin juda tor yoʻnalganlik diagrammasiga ega boʻlganligi sababli uzatilgan lazer nuri kuzatish yoʻnalishida mavjud boʻlgan boshqa ob'ektlardan emas balki aynan kuzatuvdagi ob'ektdan qaytishi 47

yuz beradi. Ammo bu usulning ham oʻzaga xos kamchiliklari mavjud. Xususan, optik diapazondagi lazer nurlarining shaffof ob'ektlardan qaytishi katta quvvat yoʻqotishlari bilan amalga oshadi, Ya'ni qaytgan nurning quvvati keskin kamayib ketadi. Bu mazkur usulning shaffof ob'ektlargacha boʻlgan masofani oʻlchashda samaradorligini kamaytiradi. Shuningdek mazkur usulda qaytgan lazer nurlanishini qabul qilish uchun optiq qabul qiluvchi qurilmani doimiy ravishda xarkatlanishini talab qiladi. Demak bunday qurilmalarda mexanik xarakat amalga oshadi. Bu esa qurilmaning gabarit oʻlchamlari va elektr energiya sarfini ortib ketishiga sabab boʻladi. Stereo kamera tizimlari yordamida kuzatuv sahnasidagi ob'ektgacha masofani oʻlchash usulida yuqorida koʻrib oʻtilgan usullardagi kabi muammolar mavjud emas. Chunki ushbu usulda toʻsiq yoki ob'ektgacha masofani oʻlchashda elektromagnit toʻlqin uzatish va qabul qilish amalga oshirilmaydi. Mexanik xarakatlanuvchi elementlari ham mavjud emas. Stereo kamera tizimi ikkita bir xil parametrli kameralardan tashkil topgan boʻlib, bu tizimda kuzatuvdagi ob'ektning har ikki kamerasi matrisalarida xosil qilgan paralaks tasvirlarni koordinatalarini solishtirish orqali ob'ektgacha masofani xisoblash orqali aniqlanadi. Shuning uchun ham ushbu maqolada stereo kameralar yordamida paralaks tasvirlar asosida toʻsiq yoki ob'ektgacha masofani oʻlchash usulining samaradorligini oshirish yechimlarini ishlab chiqish lozim. Bu maqsadda ko‘plab ilmiy tadqiqot ishlari olib borilgan va xozir ham olib borilmoqda. Adabiyotlar taxlili Yuqorida takidlanganidek stereo kamerlar yordamida paralaks tasvirlar asosida kuzatuvdagi ob'ektlarni kuzatishning fizik va texnik asoslarini tadqiq qilishga, bu oʻlchash usulining aniqligini oshirish echimlarini ishlab chiqishga qaratilgan koʻplab ilmiy tadqiqot ishlari olib borilgan va borilmoqda. Olimlar L.Shapiro va D.Stokmanlar oʻzlarining risolasida [1] uch oʻlchamli ob'ektlarni oʻlchov parametrlari va koordinatalarini oʻlchashning turli usullari, bu usullarning ishlash tamoillarini yoritganlar. Foydalanilgan adabiyotlar roʻyxatida keltirilgan [2, 3] adabiyotlarda bugungi kundagi uch oʻlamli ob'ektlarni fazodagi oʻlcham parametrlari va koordinatilarini olishda stereo kamera juftliklaridan foydalanish echimlari bayon qilingan. Navbatdagi tadqiqot ishida [4] stereo kamera tizimlaridan koʻzi ojiz insonlarni mustaqil xarakatini ta'minlash qurilmasida echimlari keltirilgan. Shuningdek navbatdagi ilmiy tadqiqot ishida [5] kamera matrisalari oʻrtasida oʻzaro OY oʻqi boʻyicha siljish mavjud bulganda bu salbiy omilni bartaraf etishda rektifikasiya usulida foydalanish taklif qilingan. Ammo bu echim emas. Chunki rektifikasiya jarayonida ikki paralaks tasvirdagi ob'ekning ma'lum bir nuqtasi umumiy gorizontal tekislikka keltiriladi. Bu esa tasvirning sifatiga salbiy ta'sir koʻrsatada. Natijada ob'ektning asl oʻlchamlari haqidagi ma'lumot buziladi. Yana bir tadqiqot ishida [6] stereo kamera tizimlari yordamida ob'ektgacha masofani oʻlchash aniqligini oshirishda kalibrlash metodlarini qoʻllash taklif qilingan. Shuningdek yana bir qator tadqiqot ishlarida [7, 8] stereo kamera tizimi yordamida ob'ektgacha masofani oʻlchash aniqligini oshirish uchun distorsiya omilini bartaraf etish kerak ekanligi taklif qilinadi. Yuqorida koʻrib oʻtilgan tadqiqot ishlarida uch oʻlchamli ob'ektlarni fazodagi oʻlcham parametrlari va koordinatalarini aniqlash usullari va echimlari xususidagi tadqiqit natijalarini bayon qilingan. Ammo stereo kameralar tizimi yordamida fazodagi ob'ektgacha boʻlgan masofani oʻlchash aniqligiga ta'sir qiluvchi omillar batafsil yoritilmagan. Xususan, koʻrib chiqilgan ishlarning birida kamera matrisalarini vertikal siljishi ta'sirini kamaytirish uchun rektifikasiya algoritmidan foydalanishni taklif qilingan boʻlsa, yana birida oʻlchov sifatiga ta'sir qiluvchi asosiy omil sifatida distorsiya keltirilgan va uni bartaraf etish echimlari taklif qilingan. Shuning uchun ham stereo 48

kameralar tizimi yordamida fazodagi ob'ektgacha boʻlgan masofani oʻlchash aniqligiga ta'sir qiluvchi omillar fizik asoslarini aniqlash, omillar ta'sirini baxolash va bu omillar salbiy ta'sirini kamaytirish boʻyicha yechimlar taklif qilish lozim. Tadqiqot metodologiyasi Aynan shu maqsadda avtonom harakaltlanish tizimlarida kuzatuv sahnasidagi obyektgacha masofani oʻlchash jarayonida eng maqbl texnolgiya sifatida tanlab olingan stereo kamera tizimlarinini masofani o‘lchash aniqligini oshirish maqsadida olib boriladigan tadqiqot ishining amalga oshirlishish metodologiyasini ishlab chiqish lozim. Buning uchun avvalo mazkur texnologiyaning ishlash tamoyilini taxlil qilish lozim. Bu usul yordamida obyektgacha masofa oʻlchash jarayonida obyektning stereo kameraning ikki kamerasida hosil boʻlgan obyekt tasvirlarining koordinatalari farqi, ya’ni disparatlik darajasi aniqlanadi. Aynan shu disparatlik darajasiga bogʻliq ravishda obyektgacha masofa geometrik triangulyatsiya usulida hisoblab topiladi. Avvalo paralaks tasvirlar asosida stereo triangulyasiya usulida masofani xisoblash jarayonini batafsil koʻrib chiqamiz. Quyida shu maqsadda qoʻllaniluvchi stereo kamera tizimi tasvirlangan (1rasm). Rasmda kuzatuvdagi ob'ekt (1) A nuqtada joylashgan va uning tasviri mos ravishda chap (3) va oʻng (4) tomondagi kameralar matrisalarning gorizontal OX oʻqidagi x1 va x2 koordinatalaridagi fotosezuvchi elementlarida xosil boʻladi. Aynan shu x1 va x2 koordinatalari farqi disparatlik qiymatini beradi. 1-rasm. Stereo kamera xosil boʻladigan paralaks tasvirlar asosida triangulyasiya usulida masofani oʻlchash uchun stereo optik tizim Bu oʻxshash uchburchaklarni oʻxshashlik xususiyatidan kelib chiqib quyidagi tenglikni yozish mumkin: 49

𝑍= 𝐿𝑓 𝐿𝑓 = (𝑎2 − 𝑎1 ) 𝑤𝑥 (𝑥2 − 𝑥1 ) (1) Ammo bu usul yordamida obyektgacha masofani hisoblash jarayoni natijasining aniqligiga salbiy ta’sir qiluvchi omillar borki, ularning tas’irida stereo kamera tizimi yordamida masofani aniqlash xatoligi ortadi va bu butun bir tizimning ishlash samaradorligiga salbiy ta’sir ko‘rsatadi [1]. Yuqorida takidlab o‘tilgani kabi, stereo kamera tizimlarida kuzatuv sahnasida aniqlangan obyektgacha masofani aniqlashda geometrik triangulyatsuya usulidan keng foydalaniladi. Bunda hisblash oddiy geometrik formula (1) asosida amalga oshirlganligi sababli butun bir tizimning real vaqt rejimida ishlash tezkorligiga salbiy tasiri bo‘lmaydi. Ammo geometrik triangulyatsiya usulida hisoblash natijalarining aniqligi ko‘p jihatdan stereo kamera tizimining chap va o‘ng kameralaridan olingan tasvirlar orasidagi disparatlik qiymatining aniqligiga bog‘liq, Ya’ni, o‘lchash jarayonida disparatlik qiymati qanchalik to‘g‘ri aniqlansa, bu qiymat asosida hisoblangan masofa qiymati ham shunchalik to‘g‘ri bo‘ladi. Ammo qo‘llanilish jarayonida doim ham chap va o‘ng kameralardan olingan tasvirlar orasidagi disparatlik qiymati to‘g‘ri aniqlanmaydi. Bunga nafaqat qo‘llanilish sharoyitining (maslan obyektni yuzasining textura darajasining pastligi, kuzatuv sahnasini yoritilganlik darajasini pastligi kabi) noqulayligi, balki stereo kamera tizimining konstruktiv nomukammalligi ham sabab bo‘lishi mumkin. Masalan, stereo kamera tizimini qo‘llanilish jarayonida tasvirlar orasidagi disparatlikni noto‘g‘ri aniqlanishiga sabab bo‘ladigan omillardan biri bu stereo kamera tizimidagi o‘ng va chap kamera optik o‘qlarining o‘zaro paralleligini mukammal bo‘lmasligidir. Ya’ni, kameralar optik o‘qlari o‘zaro ma’lum bir gradusdagi burchakga og‘gan bo‘lishi mumkin. Bu ka bi nuqson har bir stereo kamera tizimlarini ishlab chiqarish va tranpartirovka qilish jarayonidagi nomukammalik sabab yuzaga keladi. Aynan bu nuqson disparatlikni aniqlanishida xatolik darajasini ortishiga, natijada esa kuzatuv sahnasidagi obyektgacha masofani hisoblash xatoligining ortib ketishiga sabab bo‘ladi. Stereo kamera tizimidagi bunday nuqsonlar undan foydalanish jarayonida kalibrlash jarayoni natijalarika aks etadi. Xususan, tajriba jarayonida IMX-219-83 stereo kamera tizimini stereo kalibrlash natijasida olingan R matritsada kameralar o‘ptik o‘qlari vertikal tekislikda o‘zaro qanday burchakda og‘ishga ega ekanligi ma’lum bo‘ldi [9-12]. 0.9999705 𝑅 = [0.00274479 0.00717452 −0.00262446 0.99985663 −0.01672801 −0.0072194 0.01670869 ] 0.99983434 (2) Agar R matritsa birlik matritsa bo‘lsa bu ideal xolat bo‘lasdi. Ya’ni, matritsada bosh diagonal elementlari qiymatlari 1 ga, boshqa barcha elemetlari qiymatlari 0 ga teng bo‘lsa. Bu xolatda Kameralar optik o‘qlari o‘zaro ideal darajada parallel bo‘ladi. Ammo real tizimlarda doim bunday bo‘laydi. Demak kalibrlash jarayoni natijasida olingan R matritsa (2) elementlari qiymatlari osasida og‘ish burchagini hisoblash aylanma matritsaning elementlaridan trigonometrik funksiyalar yordamida amalga oshiriladi: 𝜃𝑝 = arcsin(−𝑅2,0 ) = arcsin(−0.00717452) ≈ −0.411° 50 (3)

Demak yuqoridagi (3) xisoblash natiasiga asoslanib takidlash mumkinki, mazkur tajribada foydalanilgan stereo kamera tizimining o‘ng kamerasining optik o‘qi chap kamerasining optik o‘qiga nisbatan (unga tomon) 0.411° ga og‘gan. Stereo kamera tizimi yordamida kuzatuv sahnasidagi obyektgacha masofani hisoblash aniqligigga salbiy ta’sir qiluvchi ko‘p omillar mavjud [13]. Mazkur tadqiqot ishida aynan stereo kamera tizimidagi kameralarning optik o‘qlarini parallellik darajasini buzilishi kabi omilni masofani xisoblash aniqligigga salbiy ta’sir darajasini tadqiq qilish natijalari va bu omilni salbiy ta’sirini kamaytirish echimi taklif qilinadi. Tajribaviy ma’lumotlarga asoslanib stereo kamera tizimi yordamida kuzatuv sahnasidagi obyektgacha masofani standart (1) formula bo‘yicha hisoblash xatoligi ∆ Z ning qiymatini stereo tizim o‘ng kamerasining chap kameraga nisbatan o‘gish burchagining turli qiymatlariga bog‘liqligi grafigi quyidagi 2-rasmda aks ettirilgan. 2-rasm. Stereo kamera yordamida triangulyasiya usulida masofani oʻlchash xatoligini kamera optik o‘qi og‘ishiga bog‘liqligi Grafikdan ko‘rinadiki o‘ng kameraning chap kameraga nisbatan og‘ish burchagining ortishi bilan kuzatuvdagi obyektgacha masofani hisoblashdagi xatolik qiymati ham ortib boradi. Demak ushbu salbiy omilni etiborga olgan xolda masofani tug‘ri hisoblash imkonini beruvchi formulani ishlab chiqish lozim. Bu formuladan foydalangan xolda og‘ishning ma’lum bir chegaradagi har qanday qiymatida ham obyektgacha masofani tug‘ri hisoblash imkoni paydo bo‘ladi. Bunday matematik formulani ishlab chiqish uchun stereo kamera tizimidagi kameralardan birini, xususan stereo kameraning o‘ng kamerasini OY o‘ptik o‘qini ichki tomonga og‘gan holati uchun stereo kamera yordamida paralaks tasvir asosida triangulyatsiya usulida ob’yektgacha masofani o‘lchash sxemasini chizilishi lozim (3-rasm). 51

3-rasm. O‘ng kamerasi α burchakga ichki og‘ishga ega stereo kamera tizimida kuzatuvdagi ob’yektgacha masofani o‘lchash sxemasi Stereo kamera yordamida tiangulyatsiya usulida masofani xisoblash jarayonini kamera optik o‘qini α og‘ishini inobatga olgan holda amalga oshirishning matematik ifodasini ishlab chiqish uchun dastlab ABC va ADE uchburchaklarni o‘zaro o‘xshashligiga asoslanib quyidagi tenglikni yozib olishimiz mumkin. 𝑍+𝑓 𝑍 =𝐿 𝑡+𝐿+𝑚 1 (4) 𝑥 Yuqoridagi (4) tenglikdan Z – kuzatuvdagi ob’yektgacha masofani aniqlash formulasini keltiirb chiqarish lozim. Buning uchun avvalo yuqoridagi (4) tenglikdagi Z dan boshqa nomalumlarni aniqlab olish lozim. Bu tenglikdagi t, m1,Lx larni aniqblab olish lozim. 𝑙 𝑡 = 2 − 𝑎1 (5) Bu yerda: l – Stereo kameradagi har bir matritsani gorizontal OX o‘qidagi o‘lchami, mm. a1 – bu stereo kamera tizimidagi chapdagi kamera matritsasida kuzatuvdagi ob’yektni tasviri xosil bo‘layotgan foto sezgir elementni koordinatasini uzunlik o‘lchov birligidagi qiymatini oladi. Aslida a1 = wx x1 ga teng bo‘lib wx - bu matritsadagi foto sezgir elementlar orasidagi masofa, x1 – chap kamera matritsasida ob’yekt tasviri xosil bo‘layotgan foto sezgir elementning koordinatasidir. Yuqoridagi (4) tenglamadagi nomalumlarni aniqlash uchun 3-rasmdan optik o‘qi og‘gan o‘ng kamera matritsasida tasvir xosil bo‘lishi chizmasini aloxida tasvirlab olish qulaylik yaratadi (4rasm): 52

4-rasm. OY optik o‘qi α burchakga og‘gan kamera matritsasida tasvir xosil bo‘lishi. Keltirilgan (4) tenglikdagi m1 – aniqlash yuqorida keltirilgan 4-rasmga asoslanib quyidagicha amalga oshiriladi: 𝑚1 = 𝑛2 𝑡𝑔𝜑 (6) Bu erda: 𝑓𝑠𝑖𝑛𝑎 𝑓 𝑛2 = 𝑏2 − 𝑛1 = 𝑓𝑐𝑜𝑠𝑎 − 𝑡𝑔𝜑 = 𝑡𝑔𝜑 (𝑐𝑜𝑠𝑎 ∗ 𝑡𝑔𝜑 − 𝑠𝑖𝑛𝑎); 𝑏2 = 𝑓𝑐𝑜𝑠𝑎; 𝑘 𝑓𝑠𝑖𝑛𝑎 𝑛1 = 𝑡𝑔𝜑 = 𝑡𝑔𝜑 ; 𝜑 = 𝛼 + 𝛾; 𝑐 𝑎2′ − 𝑙 2 𝛾 = 𝑎𝑟𝑐𝑡𝑔 𝑓 = 𝑎𝑟𝑐𝑡𝑔( 𝑓 ); 𝑎2′ − 𝑙 𝑡𝑔𝜑 = 𝑡𝑔(𝛼 + 𝛾) = 𝑡𝑔 (𝛼 + 𝑎𝑟𝑐𝑡𝑔 ( 𝑓 2)) ; ekanliklarini xisobga olib: 𝑓 𝑚1 = 𝑛2 𝑡𝑔𝜑 = 𝑡𝑔𝜑 (𝑐𝑜𝑠𝑎 ∗ 𝑡𝑔𝜑 − 𝑠𝑖𝑛𝑎) ∗ 𝑡𝑔𝜑 = 𝑓(𝑐𝑜𝑠𝑎 ∗ 𝑡𝑔𝜑 − 𝑠𝑖𝑛𝑎) (7) tenglikni keltirib chiqarish mumkin. Yuqoridagi (4) tenglikdagi Lx ni quyidagicha aniqlash mumkin: 𝐿𝑥 = 𝐿 − 𝑘 − 𝑚2 Bu yerda: 𝑘 = 𝑓 𝑠𝑖𝑛𝑎, f –kameraning fokus masofasi, 53 (8)

𝑚2 = 𝑏1 𝑡𝑔𝜑 = 𝑓 ∗ 𝑡𝑔𝜑(1 − 𝑐𝑜𝑠𝑎) 𝑏1 = 𝑓 − 𝑏2 = 𝑓 − 𝑓𝑐𝑜𝑠𝑎 = 𝑓(1 − 𝑐𝑜𝑠𝑎) bo‘lsa. Demak: 𝐿𝑥 = 𝐿 − 𝑘 − 𝑚2 = 𝐿 − 𝑓 ∗ 𝑠𝑖𝑛𝑎 − 𝑓 ∗ 𝑡𝑔𝜑(1 − 𝑐𝑜𝑠𝑎) (9) kelib chiqadi. Agar (6) va (7) matematik ifodalarni (4) ifodaga qo‘yilsa: 𝑍+𝑓 𝑍 𝑡+𝐿+𝑓(𝑐𝑜𝑠𝑎∗𝑡𝑔𝜑−𝑠𝑖𝑛𝑎) = 𝐿−𝑓∗𝑠𝑖𝑛𝑎−𝑓∗𝑡𝑔𝜑(1−𝑐𝑜𝑠𝑎) (10) Yuqoridagi (8) matematik ifodadan Z – kuzatuv ob’yektigacah masofani xisoblash formulasini keltirib chiqarish mumkin: 𝑧= 𝐿𝑓−𝑓 2 (𝑠𝑖𝑛𝑎−𝑡𝑔𝜑(1−𝑐𝑜𝑠𝑎)) 𝑡+𝑓𝑡𝑔𝜑 (11) Bu yerda: 𝑡𝑔𝜑 = 𝑡𝑔(𝛼 + 𝑎𝑟𝑐𝑡𝑔( 𝑎2′ − 𝑓 𝑙 2 )); 𝑙 𝑡 = 2 − 𝑎1 ; α – kamera OY optik o‘qining og‘ish burchagi; 𝑎2′ - kamera OY optik o‘qining α burchakga og‘ishi holatida o‘ng kamera matritsasida kuzatuvdagi ob’yekt tasviri xosil bo‘ladigan foto sezgir elementning koordinatasini uzunlik o‘lchov birligidagi qiymatini oladi. Aslida 𝑎2′ = 𝑤𝑥 𝑥2′ ga teng bo‘lib wx - bu matritsadagi foto sezgir elementlar orasidagi masofa, 𝑥2′ – o‘ng kamera matritsasida ob’yekt tasviri xosil bo‘layotgan foto sezgir elementning koordinatasidir. Tahlil va natijalar muhokamasi Demak ishlab chiqilgan (11) formuladan stereo kamera yordamida paralaks tasvir asosida triangulyatsiya usulida kuzatuvdagi ob’yektgacha masofani xisoblash orqali o‘lchash jarayonida foydalanish, kameralarning birida optik o‘qning og‘ishi mavjud bo‘lganda ham tog‘ri o‘lchash natijasini olish imkonini beradi. chunki bu formula bo‘yicha kuzatuvdagi ob’yektgacha masofani o‘lchashda kameralardan birining optik o‘qini og‘ish omili xisobga olinadi. ushbu ishlab chiqilgan formulaning qaydarajada to‘gri ishlashini yuqorida o‘tkazilgan tajribaviy tadqiqotni qayta takrorlash natijasida baxolash mumkin. Faqat endi masofani xisoblash jarayonida ushbu tadqiqot ishida ishlab chiqilgan formula (11) qo‘llaniladi. Faqat dastlabki masofani xisoblashni standart formulasi qo‘llanilgan holatdan farqli ravishda bu holatda kamera matritsasining gorizontal ox o‘qidagi o‘lchami l ning qiymati ma’lum bo‘lishi lozim. Turli og‘ish burchaklari uchun kuzatuvdagi ob’yektgacha masofa z ni va har bir og‘ish burchagi uchun xisoblash xatologi δz ning qiymatlarini xisoblab natijalari quyidagi jadvalda keltirilgan (1-jadval). O‘lchash xatoligi δz ning qiymatlarini aniqlashda kuzatuvdagi ob’yektgacha masofani asl qiymati zx=60 mm ekanligi xisobga olindi. 54

1-jadval. Ishlab chiqilgan formula o‘lchash aniqligining taxlili natijalari. α, gradus Z, mm ΔZ, mm 0 57,97101 -2,02899 5 60,19792 0,197918 10 61,14506 1,145057 15 56,97358 -3,02642 20 61,02919 1,029191 25 62,07946 2,079464 30 62,03643 2,036431 Ishlab chiqilgan formula bo‘yicha kuzatuvdagi ob’yektgacha masofani xisoblash orqali o‘lchash xatoligini kamera optik o‘qini og‘ish burchagiga bog‘liqlik grafigini yuqorida keltirilgan 1-jadvaldagi ma’lumotlar asosida chizish mumkin. 5-rasm. Ishlab chiqilgan formula bo‘yicha ob’yektgacha masofani o‘lchash xatoligi ΔZ qiymatini kamera optik o‘qining og‘ish burchagi a ga bog‘liqlik grafigi Xulosa 55

Yuqoridagi 5-rasmda tasvirlangan grafikni taxlil qilish natijasida shunday xulosa qilish mumkinki, ishlab chiqilgan formula asosida xisoblash orqali kuzativdagi ob’yektgacha masofani o‘lchashda xatolik juda past darajada. Xisoblash xatoligi ΔZ ning qiymati kamera optik o‘qi og‘ishining qiymatini ortib borishida deyarli o‘zagrishsiz, ya’ni 0 ga yaqin qiymatlarni qabul qilishini ko‘rsatmoqda. Standart formula asosida xisoblash xatoligini kamera optik o‘qi og‘ish burchagi qiymatiga bog‘liqligi aks ettirilgan grafik (2-rasm) va 5-rasmda tasvirlangan grafiklarni solishtirish natijasida ham xulosa qilish mumkinki, ishlab chiqilgan formula asosida masofani o‘lchash aniqligi standart foqmula asosida o‘lchashga nisbatan keskin yuqorilagan. Demak, ushbu tadqiqot ishi davomida taklif qilingan stereo kamera yordamida kuzatuv sahnasidagi obyektgacha masofani hisoblash formulasi asosida ishlovchi algoritm va unga mos dasturiy vositani ishlab chiqilishi, stereo kamera tizimidagi kameralarning optik o‘qlarini parallelligi buzilgan xolatlarda ham masofani to‘gri aniqlash imkonini beradi. References 1. Xamdamov Utkirbek, Turgunov Bekzod. Paralaks tasvirlar asosida kuzatuvdagi ob'ektgacha masofani oʻlchash aniqligiga ta'sir qiluvchi omillar va ularni ta'sirini kamaytirish choralari. Management and Future Technologies Ilmiy jurnal Volume 2, Issue 1. 31/03/2025. – 127 p. 2. Zolotukhin, D.A. Reconstruction and filtration of a three-dimensional shape of a micro object by a stereo pair of images with a parallel projection. Zolotukhin, I.V. Safonov, K.A. Kryzhanovsky // Mechanics, management and informatics. – 2012. – V. 9, No. 9. – P. 174-179. (in Russian) 3. Forsythe, D. Computer vision. Modern approach / D. Forsythe, J. Pons. - Moscow: Williams, 2004. – 928 p. 4. U. R. Xamdamov, B. A. Turgunov. “Optimal solutions for determining the distance to an object in an autonomous mobile device for people with disabilities” in International scientific practical conference of Digital transformation and artificial intelligence: problems, innovations and trends (DTAI), Tashkent, (2024), 70-74 pg. https://dtai.tsue.uz/index.php/DTAI2024/article/view/hamdam 5. Hartley, R.I. Theory and practice of projective rectification / R.I. Hartley // International Journal of Computer Vision. – 1999. – Vol. 35, no. 2. – P. 115–127pgs. 6. D. N. Stepanov, A. V. Smirnov, Issledovanie prosessa kalibrovki i opticheskix xarakteristik stereo nasadki 3Dberry, Programmnie sistemi: teoriya i prilojeniya, 2018, tom 9, vipusk 3, 11– 28 7. DOI: 10.25209/2079-3316-2018-9-3-11-28 8. Aleman-Flores, M. Automatic Lens Distortion Correction Using One-Parameter Division Models / M.AlemánFlores, L. Alvarez, L. Gomez, D. Santana-Cedres // Image Processing On Line. - 2014. - Vol. 4. - P. 327-343., DOI: 10.1007/s10851-012-0342-2. 9. Bugaenko E. I. A method for automatic detection and correction of radial distortion on digital images / EI Bugaenko, MI Trufanov // Izv. Universities. Instrument making. – 2008. – V. 51, No. 2. – P. 16-22. (in Russian). 10. Z. Zhang. “A flexible new technique for camera calibration”, IEEE Transactions on Pattern Analysis and Machine Intelligence, 22:11 (2000), pp. 1330–1334. DOI: 10.1109/34.888718 56

11. 12. 13. 14. 15. В.Г. Алтухов, А.Б. Колкер. «Вычисление расстояния до объекта на основе карты глубин полученной методом зеркального разделения изображений», Автоматика и программная инженерия, 1:19 (2017), с. 65–69. B.W. He, Y.F. Li. “A novel method for camera calibration using vanishing points”, Proc. of the 2007 14th International Conference on Mechatronics and Machine Vision in Practice, 2007, pp. 44–47. DOI: 10.1109/MMVIP.2007.4430712 J. Heikkila, O. Silven. “A four-step camera calibration procedure with implicit image correction”, Proc. of the IEEE International Conference on Computer Vision and Pattern Recognition, 1997, pp. 1106–1112. DOI: 10.1109/CVPR.1997.609468. Козлов В.Л. Учет влияния дестабилизирующих факторов для повышения точности измерений дальномера на основе стереоизображений. Приборы и методы измерений. 2017. – Т. 8, № 3. С. 254–262. DOI: 10.21122/2220-9506-2017-8-3-254-262 Shapiro, L. Computer vision / L. Shapiro, D. Stockman – Moscow: BINOM, 2006. – 752 p. 57

NUTQ SIGNALLARIGA INTELLEKTUAL ISHLOV BERISH TIZIMLARIDA SO‘ZLOVCHILARNI AJRATISHNING AHAMIYATI Shukurov Kamolidddin; Ochilov Mannon; Xasanov Umidjon Muhamad al-Xorazmiy nomidagi TATU, Sun’iy intellekt kafedrasi Email: umidjon0923@gmail.com Annotatsiya. Ushbu maqolada nutq signallariga intellektual ishlov berish tizimlari uchun so‘zlovchilarni ajratish va aniqlash muammosi tahlil qilinadi. So‘zlovchilarni ajratish jarayonlari ko‘p ishtirokchili suhbatlarda ularning ovozlarni aniqlash, nutqlarini matnga aylantirish vazifalari uchun juda katta ahamiyat kasb etadi. Maqola ushbu muammo bosqichma-bosqich nutq faolligini aniqlash (VAD), xususiyatlarga ajratish, so‘zlovchilarning xususiyat vektorlarini shakllantirish, klasterlash jarayonlari orqali yoritiladi. Tizim ishlash samaradorligini baholash uchun DER hamda JI ko‘rsatkichlari kabi mezonlardan foydalaniladi. Shuningdek, ishda zamonaviy so‘zlovchilarni ajratish tizimlari uchun mashxur bo‘lgan yondashuvlar X-vector, TDNN, ECAPA-TDNN asosidagi model va yondashuvlarga ham e’tibor qaratilgan. Ushbu taqdiqotning amaliy ahamiyati real vaqtli audiomonitoring tizimlari, multimediyali tahlilda katta rol o‘ynaydi. Kalit so‘zlar. Nutq signallari, nutq signallarini qayta ishlash, filtrlash, VAD, so‘zlovchilarni ajratish, xususiyatlarni ajratish, so‘zlovchi xususiyatlar vektori, MFCC, Log Mel spektrlari, Xvector, ECAPA-TDNN. Kirish Zamonaviy nutq signallariga intellektual ishlov berish sohalarida bir nechta yo‘nalishlarni o‘z ichiga qamrab oladi. Jumladan avtomatik nutqni tanish (ing: Automatic Speech Recognition), so‘zlovchilarni tanib olish (ing: Speaker Recognition), so‘zlovchining tilini aniqlash (ing: Language Identification) sohalari ko‘plab nazariy va amaliy muammolarni hal etmoqda. So‘zlovchilarni tanib olish tizimlari nafaqat xavfsizlik masalalarida, balki murakkab integrallashgan nutqni qayta ishlash tizimlarni ishlab chiqishda ham keng foydalaniladi. Hozirgi kunda tanib olish tizimlarida nutq egasi kim ekanligini aniqlash, uning vaqt oraliqlarida bildirgan fikrlarini aniqlash masalasini intellektual qayta ishlash tizimlari uchun dolzarb vazifa bo‘lib qolmoqda. So‘zlovchilarni tanib olish tizimlari quyidagi asosiy yo‘nalishlarda amalag oshiriladi: • So‘zlovchilarni aniqlash (ing: Speaker Identification - SI) • So‘zlovchilarni tekshirish (ing: Speaker Verification - SV) • So‘zlovchilarni ajratish (ing: Speaker Diarization - SD) So‘zlovchini aniqlash berilgan audio signal asosida so‘zlovchini mavjud bazadagi shaxslar orasidan aniqlashga qaratilgan bo‘lib, audio segmentlardan olingan xususiyatlar ajratiladi va ular asosida sinflashtirish algoritmlari yordamida so‘zlovchilarni nomini aniqlanadi. So‘zlovchini tekshirish esa juft audio signallar orasidagi o‘xshashlikni o‘lchab, ularni bir xil shaxsga tegishli yoki tegishli emasligni baholaydi. So‘zlovchini ajratish yo‘nalishi esa bir yoki bir nechta so‘zlovchini nutqini tahlil qilib, qaysi vaqt oralig‘ida kim gapirganini aniqlashga mo‘ljallangan. Bu yo‘nalish ko‘p ishtirokchili suhbatlarni avtomatik transkripsiyalashda, anjuman va konferensiyalarni qaydnomalarini ishlab chiqishda, ko‘p tilli tarjimon tizimlarida katta ahamiyatga ega [1-3]. 58

So‘zlovchilarni ajratish jarayoni turli sohalarda, jumladan, yig‘ilishlar, telefon suhbatlari, podkastlar va televideniye eshittirishlari kabi ko‘plab real hayotiy holatlarda qo‘llaniladi. Uning asosiy maqsadi bir nechta inson qatnashgan audio yozuvlardan har bir shaxsning nutq segmentlarini aniqlash va ularni mos ravishda guruhlashdir. Biroq, bu jarayon bir qarashda oddiy ko‘ringani bilan, texnik jihatdan juda murakkab. Bir xil ovoz tembriga ega bo‘lgan shaxslarni farqlash yoki bitta odamning turli holatdagi nutq shakllarini (masalan, xotirjam yoki hissiyotli ohangda gapirishi) to‘g‘ri ajratish katta qiyinchilik tug‘diradi. Bundan tashqari, diarization faqatgina spikerlarni ajratish bilan cheklanmay, balki ularning segmentlarini to‘g‘ri tartibga solish, har bir spikerga tegishli nutq qismlarini birlashtirish va audio yozuvning umumiy tuzilishini saqlab qolish kabi muhim vazifalarni ham o‘z ichiga oladi. Shu sababli, samarali speaker diarization tizimi yaratish uchun ilg‘or signallarni qayta ishlash usullari, chuqur o‘rganish modellari va aqlli klasterlash algoritmlaridan foydalanish talab etiladi [4]. So‘zlovchilarni ajratish sohasida so‘nggi yillarda chuqur o‘rganishga asoslangan yondashuvlar sezilarli taraqqiyotga erishdi. Dastlabki yondashuvlar i-vector asosidagi modellarga tayanib kelgan bo‘lsa (Dehak va boshq., 2011)[4], keyinchalik x-vector (Snyder va boshq., 2018)[5] va ECAPA-TDNN kabi yanada barqaror embeddinglar (Bredin va boshq., 2020)[6] keng qo‘llanila boshlandi. Bu modelar shovqinli va ko‘p so‘zlovchili muhitlarda yuqori aniqlikni ta’minlab, zamonaviy so‘zlovchilarni ajratish tizimlarining asosiga aylandi. Ko‘p mikrofonli va ko‘p domenli real hayotiy muhitlarda samarali ishlaydigan tizimlar ustida olib borilgan tadqiqotlar, masalan, CHiME-7 musobaqasi doirasida ishlab chiqilgan NTT tizimi (Tawara va boshq., 2024) EEND (ing: End-to-End Neural Diarization) va vektor klasterlashning kombinatsiyasi orqali katta yutuqlarga erishdi[7]. Faol o‘rganishga asoslangan yondashuvlar (Wang, Xue & Li, 2024) annotatsiya xarajatlarini kamaytirishga yordam berib, kam resursli tillar uchun samara berdi[8]. Graph Attention Network asosidagi metodlar (Li va boshq., 2023) esa spikerlar o‘rtasidagi bog‘liqliklarni chuqurroq modellashtirish imkonini berdi[9]. Metodalogiya Umumiy speaker diarization jarayoni bir nechta muhim bosqichlardan iborat bo‘lib, har biri tizimning aniqligi va samaradorligini oshirishga xizmat qiladi(1-rasm). 1-rasm. So‘zlovchilarni ajratish jarayoning umumiy sxemasi Nutq faolligini aniqlash (ing: Voice Activity Detection – VAD). Diarization jarayonining birinchi bosqichi – audio yozuvdan faqat nutq bo‘lgan segmentlarni ajratib olishdir. Ushbu 59