基于MATLAB的聲紋識別系統(tǒng)軟件的設(shè)計

張敏敏 馬 駿 龔晨曉 陳亮亮 鄭茜茜

(溫州醫(yī)科大學 信息與工程學院，浙江 溫州325000)

0 引言

聲紋識別技術(shù)[1]為生物識別技術(shù)的一種，也稱為說話人識別，分為說話人辨認和說話人確認[2]。目前，市場上已經(jīng)出現(xiàn)了一些聲紋識別的應(yīng)用，比如在軍事情報方面，用于電話領(lǐng)域的監(jiān)聽與追蹤；在監(jiān)獄管理中，用于親情通話對象的管控；在司法取證方面，語音聲紋分析識別用于司法鑒定，還有社保身份認證、電話語音聲紋考勤甚至現(xiàn)在非常流行的聲紋鎖屏[3]等等。

每個人的說話聲音由于音色的不同可以被區(qū)分開來，本文所涉及到的聲紋識別系統(tǒng)軟件的設(shè)計[4]便是提取了聲紋中的特征參數(shù)，把它作為本系統(tǒng)聲紋識別技術(shù)的依據(jù)。與此同時，聲紋識別分為文本相關(guān)的(Text-Dependent)和文本無關(guān)的(Text-Independent)兩種[4]。本識別系統(tǒng)為與文本相關(guān)[5]的聲紋識別系統(tǒng)，要求用戶按照規(guī)定的內(nèi)容發(fā)音，建立好說話人的聲紋模型，在后期進行語音識別時需要按規(guī)定的內(nèi)容發(fā)音進而進行說話人身份的辨別。

1 聲紋識別系統(tǒng)設(shè)計

本系統(tǒng)整體流程分為設(shè)計分為5步：預(yù)處理、提取特征參數(shù)（基音周期、倒譜系數(shù)等）、建立參考模型、帶入測試模型、進行匹配。

圖1 系統(tǒng)整體流程圖

（1）預(yù)處理：包括采樣和量化（即A/D轉(zhuǎn)換）、預(yù)加重處理、加窗、依據(jù)短時能量譜的語音端點檢測等幾個處理過程。

（2）提取特征參數(shù)：為了能夠表征說話人語音中說話人特定器官結(jié)構(gòu)或習慣行為，便需要提取特征參數(shù)，并且該特征參數(shù)對同一說話人應(yīng)具有相對穩(wěn)定性。

①基音周期[6]：產(chǎn)生發(fā)音時聲門的開啟和閉合引起聲帶的周期性振動，形成周期性的脈沖串，用來描述這一串脈沖氣流的周期稱為基音周期。這種參數(shù)的提取主要是基于說話人發(fā)聲器官，如聲門、聲道和鼻腔等的特殊結(jié)構(gòu)而提取出說話人語音的短時譜特征（即基音頻率譜及其輪廓）。

本系統(tǒng)利用自相關(guān)函數(shù)法(ACF)檢測基音周期，由于周期信號的自相關(guān)函數(shù)將在時延等于函數(shù)周期的點產(chǎn)生一極大值，因此通過計算自相關(guān)函數(shù)可以估計語音信號的基音頻率，以此方法獲得基音周期（基音頻率的倒數(shù)就是基音周期）。自相關(guān)函數(shù)的數(shù)學計算公式為：

圖2 基音周期計算流程

②倒譜系數(shù)[7]：目前主流的聲紋特征參數(shù)有LPC以及基于Mel頻率的倒譜系數(shù) (Mel—frequency cepstral coefficients,MFCC)。實驗中證明，MFCC是目前聲紋特征中識別率最高的一種，本系統(tǒng)便是提取Mel頻率倒譜系數(shù)MFCC用來模擬人耳聽覺系統(tǒng)的感知能力，描述語音信號在頻率域上的能量分布。Mel倒譜系數(shù)MFCC的提取過程如下：

A.對語音信號進行預(yù)處理。

B.離散傅里葉變換（DFT）:是信號完成從時域至頻域的轉(zhuǎn)換。

C.生成Mel濾波器組。

D.計算經(jīng)Mel濾波器組加權(quán)后的能量值。

E.做離散余弦DCT變換。

圖3 MFCC參數(shù)提取的流程

（3）建立參考模型：常見的識別模型有模板模型（動態(tài)時間規(guī)整方法DTW、矢量量化方法VQ）、概率模型（隱馬爾科夫模型HMM、高斯混合模型GMM），以及目前正在發(fā)展中的人工神經(jīng)網(wǎng)絡(luò)（ANN）方法。本實驗采用的隱馬爾科夫模型HMM[8]，并將該模型確定為本系統(tǒng)的模式匹配方法。使用HMM模型可以用短時模型描述平穩(wěn)段的信號，而且還可以解決每個短時平穩(wěn)段是如何轉(zhuǎn)變到下一個短時平穩(wěn)段的問題。

本過程目的是對所提取出來的說話人語音特征進行學習訓練，建立聲紋模板或語音模型庫，或?qū)ο到y(tǒng)中已有的聲紋模板或語音模型庫進行適應(yīng)性修改。

（4）帶入測試模型：將用于測試的語音樣本參數(shù)代入，得測試模型，與參考模型一一匹配。

（5）進行匹配：在識別過程中，聲紋識別系統(tǒng)要根據(jù)系統(tǒng)已有的聲紋模板或語音模型庫對輸入語音的特征參數(shù)進行模式匹配計算，從而實現(xiàn)識別判斷，得出識別結(jié)果。

2 實驗與結(jié)果

在聲紋識別系統(tǒng)的測試實驗中,從所在班級隨機抽取了15名學生(其中男生10名、女士5名),每人6個樣本，共計90個語音樣本，男性說話人有Yjd，Zsl，Mj，Zqy，Gcx，Mgj，Mz，Mjp，Srf，Jd，女性說話人有Hj，Whj，Gxx，Yhr，Zm。在使用該語音庫的前提下，要求他們對指定文本“溫州醫(yī)科大學”應(yīng)用普通話進行自然發(fā)音,錄制環(huán)境為室內(nèi)。并把每一個說話人的6份樣本中3份樣本用于訓練，3份樣本用于測試，建立不同的HMM模型，觀察不同訓練的樣本數(shù)對識別結(jié)果的影響。

實驗表明，運用MATLAB建立的HMM模型確實可以進行說話人身份的識別，本系統(tǒng)的識別率為85%以上，但如果增加訓練次數(shù)，則識別率也會相應(yīng)地得到提高。在系統(tǒng)實時處理上，由于MFCC參數(shù)計算量比較大，所花費的計算時間較長，使得本系統(tǒng)的實時性受到了考驗，另外由于MFCC參數(shù)的計算涉及到DFT計算、對數(shù)計算，這使得整個計算的動態(tài)范圍受到了影響以至于影響本系統(tǒng)的精確度。

3 聲紋識別技術(shù)的研究進展

聲紋識別技術(shù)仍需要在研究方法和市場應(yīng)用進行相應(yīng)的改進，一方面，要尋找更為優(yōu)良的研究方法，另一方面，由于建模方法的選擇與使用都會對聲紋識別結(jié)果帶來很大的影響，這要求我們能夠?qū)ふ业揭环N更為穩(wěn)定的聲紋特征參數(shù)來幫助說話人身份的識別，一方面，要保證乃至提高系統(tǒng)的精確性，另一方面，也要保證獨一性，能夠區(qū)分不同說話人的特質(zhì)。隨著聲紋技術(shù)的不斷發(fā)展，所對應(yīng)的聲紋市場也日趨成熟，必定會與當今的信息化時代相契合，提供一種切實有效的安全保障。

［1］http://baike.baidu.com/view/116450.htm[OL].

［2］Joseph P.Campbell，Jr.Speaker recognition:a tutorial[J].Proceedings of the IEEE，1997，85：1437-1462.

［3］http://www.dragonvoice.cn/[OL].

［4］陳懷琛.數(shù)字信號處理教程：MATLAB釋義與實現(xiàn)[M].2版.北京：電子工業(yè)出版社，2008.

［5］Chi-Wei Che，Qi-guang Lin，Dong-SukYuk.An HMM Approach to Text-Prompted Speaker Verification[C]//The 1996 IEEE International Conference on Acoustics，Speech and Signal.Processing Conference Proceedings，1996，2：673-676.

［6］蔡蓮紅,黃德智,蔡銳.現(xiàn)代語音技術(shù)基礎(chǔ)與應(yīng)用[M].北京:清華大學出版社,2003.

［7］張萬里，劉橋.Mel頻率倒譜系數(shù)提取及其在聲紋識別中的作用[J].貴州大學學報，2005，22（2）：5.

［8］王書沼.基于高斯混合模型的說話人識別系統(tǒng)的研究[D].大連理工大學,2006.