摘要: 声纹识别技术是一种基于生物识别的识别方法。每个人的语音模式是一个特殊功能，它从说话者的个性语音信号中提取说话者的有效语音信息。声纹识别的特点是经济实用，设备简单易操作，对生活的各个方面都有深远的影响。那么语音处理技术工作就由此得以... 展开 声纹识别技术是一种基于生物识别的识别方法。每个人的语音模式是一个特殊功能，它从说话者的个性语音信号中提取说话者的有效语音信息。声纹识别的特点是经济实用，设备简单易操作，对生活的各个方面都有深远的影响。那么语音处理技术工作就由此得以研究的必要性，且在30年来发展迅猛，尤其是在语音数据的存储和传输方面发展尤为显著，在日常生活中运用到的语音发送消息等是最常见的语音数据的储存与传输的例子。在信息化的普及之下，越来越多的加密信息需要得到验证处理，传统的身份确认都是用到身份证或者密码等传统的方式来进行加密处理，但是传统的方法也存在很多的弊端如:身份证或者密码都容易被遗忘丢失。于是，更加新型的加密手段身份确认系统引进了符合个人生理特征的技术一生物认证。生物认证配合传统的多重认证方法极大的提高了安全性，且声纹识别是生物认证中的一种，通过对说话人语音的分析来对说话人进行识别，每个人说话的声纹都有区别，所以对声纹进行研究将给人们的生活带来极大的便利。声纹识别对硬件设备的要求并不是很高，且对于声音的采集也只需要一个麦克风之类的声音收集设备就可以完成，对语音的处理阶段采样、量化、特征提取、端点检测以及模式匹配都是可以在电脑设备上完成的。而且声纹识别较语音识别简单的地方在于，声纹识别对于文本内容没有很大的相关性，声纹识别只提取语音中的每个人的个性特征，与其说话的口音、方言等无关，因此可以运用的范围更加的广泛。并且声纹识别或者语音识别都是可以远程传输的，这一特性是语音所独有的，并且语音的输入端和控制端都发展的迅猛，为声纹识别奠定了良好的基础。综上，声纹识别的研究意义十分远大。 本文的主要工作是研究基于高斯混合模型的声纹识别技术，改进特征参数的提取和识别。在计算难度之后，进行不同特征提取方法的识别率的比较。最后，实验结果表明，改进的加权特征参数提取方法可以提高识别系统的识别率。根据声纹识别系统的几个不同阶段。详细研究了特征提取过程和环境模型的构建。 在目前阶段，大多数的声纹识别系统都是应用的基于MFCC的高斯混合模型，因为MFCC包含了语音信号的时间变化信息相比较于其他的特征提取的方法相对较于平稳。且高斯混合模型是运用最多的建模方法之一，是因为高斯混合模型有难度系数较低、可与文本无关、性能较为稳定等特点。在文本之中针对MFCC特征参数提取的过程中会遗失部分声纹特征的情况，根据这一现象设计出一种加权的MFCC在本文中叫为MFCC_W。在实验阶段最开始对语音信号进行了采样量化预加重加窗端点检测等四个过程是语音的预处理阶段，语音信号预加重阶段的必要性:在声音的产生机理中受到声门激励和口鼻辐射的影响，高频段的语音信号会被削弱，那么在实验过程中就容易失真，所以进行语音信号预加重主要是为了把信号中的高频分量进行放大，在语音进行了分帧之后为了语音信号数字化过程更加的完美，且不存在遗漏的情况，一般还会采取加窗的过程，主要使用汉明窗或者矩形窗，在本文中主要采用的是加汉明窗;语音预处理的最后一个阶段是端点检测阶段在采集语音信号时并不是所有的语音信号都是有效的信号，其中多包涵静音部分和噪音部分。语音信号的端点检测就是把语音信号的开始点和结束点检测出来，将与实验无关段语音或者噪音去除，这样才不会影响声纹识别系统的结果，在本文中主要采用了基于短时能量和短时平均过零率的双门限检测法对语音信号进行端点检测实验结果也较为理想。那么特征参数的提取是声纹识别过程中的第二阶段，也是在声纹识别系统中较为重要的一个阶段，其也是声纹特征的提取。在对特征参数的提取之中提取出来的特征会受各种因素的影响如:噪声、温度、空气等不可避免的因素，那么在提取的特征参数之中一定要保证具有较强的时间鲁棒特性和噪声鲁棒特性，且提取的特征参数一定要包含说话人的特征信息这样才是有效的参数的提取，最后提取的参数要需要做到不能被模仿。在特征参数提取的模块中基于之前的语音预处理阶段，可以实现对大量有效的语音进行参数化的处理，留下大量的对分辨人的声纹特征有效的特征参数。那么对于特征参数提取的方法就要求能够高效的计算出来这些声纹参数，对之后的声纹识别系统也是有利的。之后在实验过程中对语音的LPCC特征系数、MFCC特征系数、加权之后的MFCC_W特征系数进行了提取，LPCC是丢弃了信号生成过程中的激励信息。之后用十多个倒谱系数可以代表共振峰的特性。所以可以在语音识别中取得很好的性能，梅尔倒谱系数与线性预测倒谱系数的提取不同，LPCC主要基于线性预测原理，与人耳非线性听觉特性不一致，对噪声的敏感性强，识别性能不如MFCC。在大部分情况下，MFCC都优于其他倒谱参数。在用MFCC作为特征参数提取的过程中取得的效果比较良好，但是MFCC还有一阶差分与二介差分，一阶差分函数是一阶时间倒数或者速度函数，二介差分函数是时间倒数或加速度函数，这两个方法可以解决在特征系数提取过程中时间相关的动态信息会丢失这个问题，将会更好的提高系统的识别率。在实验过程中并将这三种方法提取到的特征系数用三维立体图画出来进行对比，发现加权之后的MFCC系数是三种特征系数之中最为平稳的，这也为之后的声纹识别系统的识别率奠定了一定的基础。在本文实验的最后阶段搭建了基于GMM模型的声纹识别系统基于GMM模型的声纹识别系统的基本原理就是为每一个说话的人建立一个GMM模型，且模型的参数是根据矢量特征来泱定的。且每个人说话特征的特征矢量是不同的，所以GMM模型参数也是不同的，在声纹识别中一般将语音信号看作一个随机的过程，然后在其中建模。将提取到的每一帧语音的特征向量看作是一个正态分布，整体的语音帧数也是一个正态分布还需要给每个帧一个权值，这样各个正态分布的组合表征就是该说话人的声纹特征，基于GMM的声纹确认系统中先对语音信号进行预处理之后用MFCC提取语音特征参数。在训练过程中，首先使用训练语音的特征构建GMM声纹模型;在测试过程中，让测试语音的特征参数同已知身份当前所指定的声纹模型进行匹配，然后得出一个相似度评分，下一步将这个评分与阈值进行比较分析，最后获取确认结果是否能够匹配到数据库里面的原始的语音如果能够匹配则输出得到的参数，如果不能匹配则输出‘这段语音不是原始的说话人说的，。在实验过程中将提取到的三种特征系数进行了识别率的比对，实验结果表明在相同的语音时长之下，加权之后的MFCC_W的方法能够提高系统的识别率并且也在一定程度上减少了系统的计算量。并且在实验阶段还对实验数据库的大小进行了对比实验，以及在GMM模型中阂值的选取进行了调节对比，实验结果表明在GMM模型中数据库应该尽量的增大为了将训练库的样本扩大这样才能在测试过程中对声纹识别的识别率产生积极的影响，且在阈值的选取上也对声纹识别系统的识别率有较大的影响。在建模阶段可以考虑加入非线性的部分以及考虑非正交化的问题，这样训练出来的模型的效果可能会更加匹配于声纹识别的系统之中能够得到更加高的识别率。另外，基于GMM模型的声纹识别系统还是识别率较低，其主要原因是实验的语音数据库数据不足可能是造成这一结果的原因，本实验中分为两个实验阶段，实验阶段一，运用的是自己录制的中文语音数据库，实验阶段二，是运用了外国通用的语音数据进行实验结果的比对，且在实验过程中运用的语音信号时间都较短，但是还是进行了语音短时间内的时长的长短对识别率产生的影响，在短时间内语音时间更长能够取得更为理想的识别率，但是没有去对比长时间的语音是否能够识别出来相同的效果，以及在GMM模型之中阈值相对难以确定这也是影响识别率的原因。 收起