反蓄意模仿說話人識別系統(tǒng)中特征參數(shù)提取的研究*

唐宗渤, 周　萍，王茂蓉，劉繼錦

(1.桂林電子科技大學(xué) 信息科技學(xué)院，廣西 桂林 541004; 2.桂林電子科技大學(xué) 電子工程與自動化學(xué)院，廣西 桂林 541004)

?

反蓄意模仿說話人識別系統(tǒng)中特征參數(shù)提取的研究*

唐宗渤1, 周萍2，王茂蓉2，劉繼錦2

(1.桂林電子科技大學(xué) 信息科技學(xué)院，廣西 桂林 541004; 2.桂林電子科技大學(xué) 電子工程與自動化學(xué)院，廣西 桂林 541004)

摘要：當(dāng)模仿者蓄意模仿說話人的語音且相似度極高時，說話人識別系統(tǒng)就有可能被欺騙。特征參數(shù)的提取是說話人識別的關(guān)鍵環(huán)節(jié)，直接影響了系統(tǒng)的識別性能。MFCC是語音識別中最熱門的特征參數(shù)之一，但由于其只反映了語音的靜態(tài)特性，為了提取更具個人語音特性的特征參數(shù)，引入加權(quán)MFCC，同時結(jié)合離散小波變換得到DWTWC，根據(jù)增減分量法，提出了DWI-MFCC。實(shí)驗(yàn)表明，DWI-MFCC倒譜系數(shù)比MFCC能更有效地區(qū)分語音的相似度。

關(guān)鍵詞：特征參數(shù); MFCC; 蓄意模仿; 增減分量法

引用格式：唐宗渤, 周萍，王茂蓉，等. 反蓄意模仿說話人識別系統(tǒng)中特征參數(shù)提取的研究[J].微型機(jī)與應(yīng)用，2016,35(12)：18-20.

0引言

生物認(rèn)證技術(shù)[1]作為一種身份鑒別技術(shù)，它具有安全、方便等優(yōu)點(diǎn)。但與其他生物特性相比，聲音更容易被模仿，特別在蓄意模仿與目標(biāo)說話人的語音相似度極高時，就給識別系統(tǒng)的魯棒性帶來嚴(yán)峻考驗(yàn)。有效的聲學(xué)特征，可大大提高識別性能。常用的特征參數(shù)有基因頻率、線性預(yù)測參數(shù)LPC、Mel頻率倒譜系數(shù)[2]MFCC等。其中MFCC能充分模擬人耳的聽覺感知特性，應(yīng)用較多。但其只能體現(xiàn)語音的靜態(tài)特征，為了提取更具個人特性的參數(shù)，本文對MFCC作加權(quán)處理，結(jié)合離散小波變換引進(jìn)DWTWC，根據(jù)增減分量法，提出DWI-MFCC。實(shí)驗(yàn)表明，DWI-MFCC比傳統(tǒng)MFCC更能區(qū)分語音的相似度，提高識別系統(tǒng)的魯棒性。

1特征參數(shù)的提取

1.1Mel頻率倒譜系數(shù)

MFCC[2]作為模擬人耳特殊感知能力的參數(shù)得到研究者的推崇。其實(shí)際頻率f與Mel頻率fMel之間的轉(zhuǎn)換關(guān)系如式(1)所示，其中fMel的單位為Mel，f的單位為Hz。MFCC的提取過程如圖1所示，其參數(shù)分布示例圖如圖2所示。

(1)

圖1　MFCC參數(shù)提取流程圖

圖2　MFCC的參數(shù)分布示例圖

由圖2可知，隨著維數(shù)的升高，MFCC變化幅度變小，升高到一定程度后，系統(tǒng)識別性不僅沒有提高，反而增加了運(yùn)算量。

1.2加權(quán)Mel頻率倒譜系數(shù)

為了得到更具區(qū)分性的加權(quán)特征參數(shù)，本文采用升半正弦函數(shù)[3]進(jìn)行加權(quán)，如式(2)所示：

r=0.5+0.5*sin(π*(i-1)/n)

(2)

其中i=1,2,…，n為維數(shù)，本文n=24，0.5是靜態(tài)分量。為了更準(zhǔn)確地體現(xiàn)不同說話人的個性特征差異[4]，本文提出另一種加權(quán)函數(shù)如式(3)所示，得到改進(jìn)的加權(quán)特征參數(shù)IWMFCC。

(3)

1.3DWTWC語音特征參數(shù)提取

在提取特征參數(shù)時，用離散小波變換代替傅里葉變換，用中頻區(qū)域分布密集的Mid-Mel濾波器組[5-6]代替原來的濾波器， DWTWC參數(shù)的提取步驟如下：首先對語音信號進(jìn)行預(yù)加重、分幀加窗等；接著用離散小波變換[7]對預(yù)處理后的信號進(jìn)行處理，選擇適當(dāng)?shù)男〔ɑ头纸鈱訑?shù)對其分解，并計算小波系數(shù)；然后利用頻譜的拼接把系數(shù)組成一組參數(shù)，求其能量；最后取對數(shù)，再經(jīng)過DCT可得到相應(yīng)的DWTWC。其提取過程如圖3所示。

圖3　DWTWC的提取流程圖

與MFCC提取流程不同的是其前端處理采用離散小波變換[8]，Mel濾波器換成了Mid-Mel濾波器組，有效補(bǔ)充了中頻區(qū)域的語音信息。

2DWI-MFCC混合特征參數(shù)

為了提高識別率，需對MFCC、WMFCC、IMFCC和DWTWC進(jìn)行融合，用增減分量法[9]對維度進(jìn)行篩選，將對識別率貢獻(xiàn)最大的n階分量進(jìn)行組合，得到新的混合特征參數(shù)，如式(4)所示：

(4)

其中，n為階數(shù)，p(i,j)為從第i到第j階的識別率，R(i)為第i階分量平均貢獻(xiàn)值，若其大于0，則對識別有貢獻(xiàn)，反之則使識別率下降。文中僅順序摒棄或增添特征分量[10]。由式(4)計算出各參數(shù)中對識別率貢獻(xiàn)最大的特征分量，對其組合得到新的特征參數(shù)，即 DWI-MFCC。

3實(shí)驗(yàn)結(jié)果與分析

3.1不同特征參數(shù)歐氏距離排名對比

本文從專業(yè)配音網(wǎng)站提取語音庫，采樣頻率為8 kHz，量化精度為16 bit。提取16階MFCC，計算被模仿者與模仿者語音的MFCC和DWI-MFCC的歐氏距離，然后對其從小到大排序得到表1。

表1　MFCC和DWI-MFCC的歐氏距離排名

表2　不同的特征參數(shù)的錯誤

由表1可得，采用DWI-MFCC的原語音和模仿語音的排名一致性高達(dá)87.5%，證明 DWI-MFCC不但有效補(bǔ)充了MFCC在中頻區(qū)域的語音信息，而且很好地體現(xiàn)了語音個性特征；而采用MFCC時，排名一致性只有43.75%，這是因?yàn)镸FCC中只包含了語音的靜態(tài)特性。綜上，本文提出的DWI-MFCC對語音模仿的區(qū)分能力更強(qiáng)，能更有效區(qū)分出原語音和被模仿語音。

3.2不同特征參數(shù)實(shí)驗(yàn)結(jié)果的對比

為驗(yàn)證特征參數(shù)的語音模仿區(qū)分性能，建立基于SVM的蓄意模仿識別系統(tǒng)，首先選取80人模仿語音庫中16位名人的聲音。訓(xùn)練階段，先提取目標(biāo)說話人與待測試說話人的特征參數(shù)，將其分別記為“+1”類和“-1”類并用以訓(xùn)練出目標(biāo)說話人的SVM模型。測試階段，將待測試語音與目標(biāo)說話人的模型進(jìn)行匹配，再和預(yù)先設(shè)定的閾值進(jìn)行比較。本文選取徑向基函數(shù)作為SVM的核函數(shù)，懲罰系數(shù)為3，核函數(shù)參數(shù)為0.6。實(shí)驗(yàn)采用16階的MFCC和DWI-MFCC分別作為樣本建立SVM模型，對數(shù)據(jù)進(jìn)行[0,1]歸一化，計算出每個被模仿者使用不同特征參數(shù)時的錯誤接受率(FA)，如表2所示，圖4給出了兩者的錯誤接受率的對比圖。

圖4　采用不同特征參數(shù)的錯誤接受率(FA%)對比

從圖4可知，MFCC的錯誤接受率曲線處于DWI-MFCC的曲線上方，即DWI-MFCC參數(shù)的錯誤接受率比MFCC參數(shù)的低，從而更有力地說明DWI-MFCC的區(qū)分性能比MFCC的要好。

4結(jié)論

本文通過對MFCC特征參數(shù)的分布分析，提出了加權(quán)MFCC，同時結(jié)合離散小波變換引入了DWTWC，根據(jù)增減分量法，提出了DWI-MFCC。從理論和實(shí)驗(yàn)兩個方面對特征參數(shù)的有效性進(jìn)行了分析，同時采用SVM對反蓄意模仿系統(tǒng)進(jìn)行匹配分析。實(shí)驗(yàn)表明，本文提出的DWI-MFCC相比于傳統(tǒng)的MFCC，對語音模仿的區(qū)分能力更強(qiáng)，有更好的識別性能。

參考文獻(xiàn)

[1] 李建文,張晉平.基于改進(jìn)語音特征提取方法的語音識別[J].微電子學(xué)與計算機(jī),2009,26(7):230-233.

[2] 柯晶晶，周萍，景新幸，等.差分和加權(quán)Mel倒譜混合參數(shù)應(yīng)用于說話人識別[J].微電子學(xué)與計算機(jī)，2014，31(9):89-91.

[3] 吳迪,曹潔,王進(jìn)花.基于自適應(yīng)高斯混合模型與靜動態(tài)聽覺特征融合的說話人識別[J].光學(xué)精密工程,2013,21(6):1598-1604.

[4] 陳明義,余伶俐,朱晗，等.基于特征參數(shù)融合的語音情感識別方法[J].微電子學(xué)與計算機(jī),2006,23(12):168-171.

[5] 田永紅. 一種優(yōu)化的語音特征參數(shù)提取方法仿真[J]. 計算機(jī)仿真,2013,30(12):162-165.

[6] 吳麗芳. 語音轉(zhuǎn)換系統(tǒng)中特征參數(shù)的研究[D].南京：南京郵電大學(xué),2013.

[7] 楊陽,毛永毅,鄭敏，等.基于小波變換的AOA定位算法[J].微型機(jī)與應(yīng)用,2014，33(3):47-49,54.

[8] 胡沁春,何怡剛,何靜，等.高斯類小波變換的開關(guān)電流頻域法實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,2014,40(1):44-46.

[9] 曹孝玉. 說話人識別中的特征參數(shù)提取研究[D].長沙：湖南大學(xué),2012.

[10] 張璇. 基于Fisher準(zhǔn)則的說話人識別特征參數(shù)提取研究[D].長沙：湖南大學(xué),2013.

*基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(61363005)；國家自然科學(xué)基金資助項(xiàng)目(61462017)；廣西研究生教育創(chuàng)新計劃資助項(xiàng)目(YCSZ2015152)

中圖分類號：TP391.42

文獻(xiàn)標(biāo)識碼：A

DOI：10.19358/j.issn.1674- 7720.2016.12.007

(收稿日期：2016-02-29)

作者簡介：

唐宗渤(1986-)，男，助理工程師，主要研究方向：語音信號處理與智能控制。

周萍(1961-)，女，碩士，教授，主要研究方向：語音識別與智能控制研究。

王茂蓉(1990-)，女，碩士研究生，主要研究方向：語音識別與反蓄意模仿。

Research of characteristic parameters extraction in speaker recognition system of anti-deliberate imitation

Tang Zongbo1, Zhou Ping2, Wang Maorong2, Liu Jijin2

(1.Department of Information Science and Technology, Guilin University of Electronic Technology, Guilin 541004, China;2.Department of Electric Engineering and Automation, Guilin University of Electronic Technology, Guilin 541004, China)

Abstract:When imitators deliberately imitate the speaker’s voice, and they have high similarity, speaker recognition system may be deceived. The extraction of feature parameters is key in speaker recognition, which directly affects the recognition performance. MFCC is one of the most popular feature parameters, but due to it only reflects static characteristics of voice, we introduce weighted MFCC to extract parameters of more individual voice. In combination with discrete wavelet transform, we introduce the DWTWC. According to increase or decrease in weight method, DWI-MFCC is proposed. The experimental result shows that the DWTWC is better than MFCC in distinguishing speech similarity.

Key words:feature parameter; MFCC; deliberate imitation; method of increasing or decreasing the component