摘要: 声纹识别是生物特征识别与认证领域的一个重要分支，它通过分析说话人的语音信号，提取合理的声纹特征和建立有效的分类识别模型，对说话人的身份进行校验和鉴别，广泛应用于刑侦、人机交互声纹口令验证、银行声纹身份验证、人体康复指标验证等领域。... 展开 声纹识别是生物特征识别与认证领域的一个重要分支，它通过分析说话人的语音信号，提取合理的声纹特征和建立有效的分类识别模型，对说话人的身份进行校验和鉴别，广泛应用于刑侦、人机交互声纹口令验证、银行声纹身份验证、人体康复指标验证等领域。 论文以面向刑侦身份验证的技术需要为牵引，针对实际采集的声音信号不可避免带有较强的环境噪声和设备噪声、且噪声多为平稳白色高斯的特点，采用具有自适应噪声强度的维纳滤波实现噪声的有效去除，以消除或降低噪声对后续声纹识别的影响；分析了声纹语谱图的时序和空间信息特征，为限制语谱图维度过大，确定了以4秒长度的声纹信号的语谱图特征作为分类识别特征，并采用常见的高斯混合模型（GMM）与通用背景模型（UBM）相结合的声纹识别模型，针对开放的Surfingtech中文普通话语料库，开展了声纹识别实验。实验结果表明，确定的维纳滤波去噪、声纹语谱图特征提取对提高声纹识别准确性的效果明显；在此基础上，为降低声纹语谱图存在的冗余信息，以有利于提高深度学习网络训练学习效率，提出词嵌入语谱图降维方法，并结合具有捕捉信号时序特征的长短期记忆网络（LSTM）,提出了基于词嵌入LSTM深度学习的声纹识别方法，对比实验结果表明，基于词嵌入降维LSTM声纹识别方法，其识别准确性和效率均明显提高；鉴于LSTM深度网络仅利用了声纹语谱图的时序特征，没有考虑其空间特征，为进一步提高声纹识别的准确性，充分利用深度卷积神经网络（CNN）对输入图像的空间信息特征具有良好捕捉能力的特点，提出LSTM与CNN相结合的深度学习网络结构设计思想，并通过实验验证，得出先采用CNN网络捕捉语谱图的空间信息、后续采用LSTM捕捉其时序特征有利于提高声纹识别准确性的结论。对比实验结果表明，词嵌入语谱图降维，结合CNN_LSTM混合深度学习网络结构，在标准语音数据集测试集取得了97.42%识别准确率，比采用单一LSTM模型提高了4.25%；针对实际声纹识别任务，在给定10个嫌疑人先验信息条件下，本文提出的维纳滤波、词嵌入语谱图降维、CNN_LSTM声纹识别方法，准确率达到95.48%。 收起