說(shuō)話(huà)人識(shí)別是根據(jù)語(yǔ)音中反映說(shuō)話(huà)人生理和行

1、ISSN100020054CN1122223?N清華大學(xué)學(xué)報(bào)(自然科學(xué)版)JTsinghuaUniv(Sci假冒者闖入靜音信道檢測(cè)中圖分類(lèi)號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):100020054(2008)S120699205PreventionofimpostsenteringspeakerrecognitionsystemsZHANGLipengCAOJiangXUMingxingZHENGFang(TsinghuaNational

2、LabatyfInfmationScienceTechnologyTsinghuaUniversityBeijing100084China)Abstract:Speakerrecognitionsystemsneedtoguardagainstimpostorsenteringthesystem.High2fidelityrecordingspeakersimulationsarethetwomostcommonmethodsusedb

3、yimpostors.Thispaperfocusesonpreventingtheuseofrecordings.Audioreadingequipmentcanberegardedasananalog2to2digitalconversionsystemwhichwillaffectthevocalacteristics.Theseacteristicscanbeanalyzedtopreventincursions.Themode

4、lisbasedontheGaussianmixturemodel2universalbackgroundmodel(GMM2UBM)speakerrecognitionsystemusingavoicechannelmodelbasedonamutevoicegatheredfromvoicedata.Ifthechannelacteristicsforthetrainingdatathetestdatadiffertheinputm

5、aynotbetrustworthy.Testsshowthatwiththechannelexaminationbasedonthemutevoicetheequalerrorrateofthissystemwiththemutevoicewasreducedbyabout40%.Keywds:speakerrecognitionimpostorentermutevoicechanneldetect說(shuō)話(huà)人識(shí)別是根據(jù)語(yǔ)音中反映說(shuō)話(huà)人生理

6、和行為特征的語(yǔ)音參數(shù)來(lái)識(shí)別待測(cè)語(yǔ)音說(shuō)話(huà)者身份的技術(shù)。作為語(yǔ)音識(shí)別的一個(gè)分支說(shuō)話(huà)人識(shí)別在公安偵察、醫(yī)療診斷、電子金融業(yè)務(wù)、聲紋控制等方面有著廣泛的應(yīng)用前景。從安全系統(tǒng)應(yīng)用角度出發(fā)說(shuō)話(huà)人識(shí)別系統(tǒng)急需解決的問(wèn)題是如何防止各種假冒手段闖入說(shuō)話(huà)人系統(tǒng)的行為。如果一個(gè)說(shuō)話(huà)人識(shí)別系統(tǒng)能夠?qū)倜罢Z(yǔ)音進(jìn)行拒絕或警告那么就可以大大提高該系統(tǒng)的可應(yīng)用性。根據(jù)闖入手段的不同說(shuō)話(huà)人識(shí)別系統(tǒng)中的假冒者問(wèn)題可以分為2類(lèi)。一類(lèi)是假冒者模仿特定人的聲音對(duì)說(shuō)話(huà)人識(shí)別系統(tǒng)進(jìn)

7、行闖入另一類(lèi)是假冒者利用錄音設(shè)備錄制特定人聲音對(duì)說(shuō)話(huà)人識(shí)別系統(tǒng)進(jìn)行闖入。對(duì)于第一類(lèi)問(wèn)題現(xiàn)有的說(shuō)話(huà)人識(shí)別?19942008ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.圖1基于靜音的錄音檢測(cè)系統(tǒng)圖En=∑∞n=∞[X(m)w(nm)]2.(1)短時(shí)能量序列En反映了語(yǔ)音振幅或者能量隨著時(shí)間緩慢變化的規(guī)律。數(shù)據(jù)窗w(n)的函數(shù)形式和寬度對(duì)En都有較大影響。為了

8、簡(jiǎn)化靜音提取采用矩形窗作窗函數(shù)窗寬選經(jīng)驗(yàn)值為20ms窗移為10ms。這樣可以在語(yǔ)音段上計(jì)算出一組En值每個(gè)En的值代表本窗的短時(shí)能量。然后求出整個(gè)語(yǔ)音段的平均短時(shí)能量E?=1N∑Ni=1Ei.(2)拿當(dāng)前窗的短時(shí)能量與平均短時(shí)能量比如果連續(xù)k窗都比E?小就認(rèn)為這k窗語(yǔ)音是靜音。k取經(jīng)驗(yàn)值10～20不等。由于靜音含有噪音因此需要在提取靜音后做去噪處理。目前較為流行的去噪方法有譜減(spectralsubtractionSS)法[4]、RA

9、STA濾波法[5]、主分量分析法等。本文是采用信號(hào)級(jí)的去噪算法——譜減法進(jìn)行去噪。特征方面采用Mel倒譜參數(shù)[6](MelfrequencycepstralcoefficientMFCC)計(jì)算特征時(shí)的幀寬為256點(diǎn)幀移128點(diǎn)三角濾波器個(gè)數(shù)為24。此外特征中還加上了能夠描述語(yǔ)音動(dòng)態(tài)特性一階差分?MFCC作為一幀語(yǔ)音的特征參數(shù)。3.2模型訓(xùn)練定義直接錄入的語(yǔ)音信道為CHS通過(guò)高保真錄音設(shè)備轉(zhuǎn)錄后的語(yǔ)音信道為CHR。根據(jù)GMM2UBM的基本

10、原理錄音檢測(cè)系統(tǒng)需要訓(xùn)練2個(gè)模型一個(gè)是描述說(shuō)話(huà)人空間特征的UBM另外一個(gè)是訓(xùn)練樣本的模型M。采用NIST2002的數(shù)據(jù)庫(kù)約300MB的語(yǔ)音數(shù)據(jù)訓(xùn)練UBM模擬說(shuō)話(huà)人的空間特征分布。CHS信道的訓(xùn)練樣本被分成2部分一部分用來(lái)從UBM自適應(yīng)得到靜音模型另一部分則用來(lái)在模型上進(jìn)行測(cè)試和打分對(duì)分?jǐn)?shù)做歸一化處理得到識(shí)別分?jǐn)?shù)分布范圍[ab]。3.3識(shí)別過(guò)程通過(guò)模型訓(xùn)練[78]過(guò)程得到了信道CHS的模型M及其分?jǐn)?shù)的分布范圍[ab]。分?jǐn)?shù)分布范圍描述的是

11、CHS信道的測(cè)試語(yǔ)音在CHS信道模型M上打分的分布。若測(cè)試語(yǔ)音來(lái)自CHR信道則其分?jǐn)?shù)在理論上應(yīng)該在[ab]外。對(duì)于任意一段輸入語(yǔ)音S提取此語(yǔ)音S的靜音計(jì)算靜音的特征參數(shù)用靜音特征在模型M上打分得到分?jǐn)?shù)R。若R∈[ab]則判斷此語(yǔ)音信道為CHS信道允許其進(jìn)入說(shuō)話(huà)人識(shí)別系統(tǒng)否則判斷此語(yǔ)音信道為CHR類(lèi)型阻止其進(jìn)入說(shuō)話(huà)人識(shí)別系統(tǒng)。4實(shí)驗(yàn)與結(jié)論從網(wǎng)絡(luò)文章中摘選出若干語(yǔ)料作為實(shí)驗(yàn)數(shù)據(jù)句長(zhǎng)為朗讀語(yǔ)速15～20s左右。具體錄音流程為:在安靜的環(huán)境下用

12、高保真錄音設(shè)備和普通錄音輸入同時(shí)錄制說(shuō)話(huà)人的語(yǔ)音分別得到數(shù)據(jù)集HIFIDB(采樣率為16K)和NMDB1(采樣率為16K)然后將高保真錄音設(shè)備錄制的語(yǔ)音(HIFIDB)用外置音響在相同的環(huán)境下播放用錄音設(shè)備采集得到數(shù)據(jù)集NMDB2(采樣率為16K)如表1所示。表1實(shí)驗(yàn)數(shù)據(jù)表數(shù)據(jù)集男聲女聲總計(jì)HIFIDB15060210NMDB115060210NMDB215060210以上述數(shù)據(jù)為基礎(chǔ)進(jìn)行如下3組實(shí)驗(yàn)。1)以GMM2UBM說(shuō)話(huà)人識(shí)別系統(tǒng)