語音聲紋密碼驗證技術(shù)研究.pdf

1、語音聲紋密碼是采用語音段中的文本信息和說話人信息對用戶信息進行雙重加密的技術(shù)。因此具有較好的安全性和便捷性，在銀行、公安、智能家居等領(lǐng)域都有廣泛的應(yīng)用。但是在實際應(yīng)用中，傳統(tǒng)的語音聲紋密碼識別仍然面臨著密碼泄露、特征冗余、抗干擾性差等方面所帶來的挑戰(zhàn)。
　　傳統(tǒng)的語音聲紋密碼識別屬于文本相關(guān)的聲紋識別任務(wù)。由于密碼文本是固定的，容易遺忘和泄露，因此安全性不高。針對這個問題，本文采用文本提示型的語音聲紋密碼識別方案。用戶每次登陸系統(tǒng)

2、時系統(tǒng)會提示輸入的動態(tài)密碼，用戶根據(jù)提示文本說出密碼語音。這種方法安全性雖然高但動態(tài)聲紋密碼識別屬于文本無關(guān)的聲紋識別任務(wù)其聲紋識別性能相對較低。針對以上各個問題，本文主要從以下幾個方面來提升文本提示型語音聲紋密碼的識別率。
　　首先，語音聲紋密碼識別系統(tǒng)包含語音密碼識別和聲紋密碼識別兩個部分。因此系統(tǒng)前端需要一個識別率相對較高的語音識別系統(tǒng)來驗證用戶所說密碼是否正確。傳統(tǒng)基于GMM-HMM的語音密碼識別系統(tǒng)識別率相對較低難以滿足

3、安全性要求，因此本文采用識別性能更好的DNN-HMM語音密碼識別系統(tǒng)。
　　第二、傳統(tǒng)聲紋識別中采用的聲學(xué)特征（如MFCC，PLP等特征）包含的主要是文本信息和信道信息，說話人信息屬于其中的弱信息。聲紋密碼識別性能極易受到語音信號中的文本、信道以及噪聲等干擾信息的影響。針對這個問題，本文利用深度神經(jīng)網(wǎng)絡(luò)的特征提取能力提出一種基于深度神經(jīng)網(wǎng)絡(luò)的說話人信息提取方法。采用該方法提取出的說話人信息相對傳統(tǒng)聲學(xué)特征具有更好的說話人區(qū)分能力。

4、
　　第三、同樣針對傳統(tǒng)聲學(xué)特征中包含的冗余信息，本文進一步采用特征端因子分析的方法來去除聲學(xué)特征中的冗余干擾信息。傳統(tǒng)的特征端因子分析方法是在高斯混合模型的每個高斯上借用因子分析思想來對特征降維。但GMM模型屬于無監(jiān)督的聚類算法，其每個高斯成分物理意義不夠明確無法與具體的發(fā)音文本信息相對應(yīng)。為解決這一問題，本文在特征端因子分析中利用語音識別中的聲學(xué)模型深度神經(jīng)網(wǎng)絡(luò)取代高斯混合模型，分別對不同音素上的語音特征進行分類然后在每個音素

5、子空間內(nèi)實現(xiàn)對特征降維，提取出說話人信息并用于提取DNNi-vector。接著在基于DNN的說話人信息提取中，本文采用基于DNN的特征端因子分析取代LDA對每幀語音的隱層輸出超矢量進行降維。
　　最后根據(jù)文本提示型的聲紋密碼識別的特點，本文提出分數(shù)字建模聲紋密碼識別方案。針對數(shù)字聲紋密碼中的每個數(shù)字分別訓(xùn)練一個聲紋識別模型。注冊和測試時匹配同時出現(xiàn)的數(shù)字進行測試，將文本無關(guān)聲紋密碼識別任務(wù)轉(zhuǎn)化為文本相關(guān)聲紋密碼識別任務(wù)。本文實驗采