基于声纹信息的身份认证模式与算法的研究

摘要

随着信息技术、网络通信和电子交易的迅猛发展，信息安全已成为全球最为热门的研究领域之一。传统的以密码方式进行身份认证的技术日益暴露出很多弊端。为确保信息安全，用人特有的生物特征作为认证手段的技术逐渐发展起来，并形成了新的研究热点。声纹是每个人特有的特征，由于其唯一性，不可替代性，可以作为鉴别身份的一种重要手段，声纹认证技术也逐渐发展成生物鉴别领域的重要分支。声纹认证技术可用在电子商务、身份稽查、司法、公安、加密口令、家用电器等很多领域。 声纹是指用电声学仪器显示的携带言语信息的声波频谱。声纹认证(VoiceprintRecognition，VpR)，即说话人认证(SpeakerRecognition)是根据获取声音波形中反映说话人生理、心理和行为特征的特征参数来自动认证说话人身份的技术。声纹认证不是认证语音信号的文字内容，而是认证发出语音信号的说话人的身份。声纹认证技术是交叉运用了心理学、生理学、数字信号处理、人工智能、模式识别等知识的综合性研究课题。本文是基于声纹信息进行的身份认证，其目的在于推动声纹认证技术走向实用化。本文在总结前人工作的基础上，首先详细介绍了声纹认证的基础知识和基本原理，然后主要做了如下工作：根据语音信号产生的离散时域模型，对语音信号进行了预处理、端点检测、提取声纹特征-LPCC，MFCC；深入研究了隐马尔可夫模型，包括马尔可夫链的定义、隐马尔可夫模型的含义及其算法、在实际应用中对隐马尔可夫模型算法的改进等；用MATLAB实现隐马尔可夫模型，根据本论文建立的语音库做了声纹辨认实验，对实验结果进行了分析。 总结认为，本文建立的与文本有关的声纹辨认系统，在对6个人进行训练的实验中系统的识别率达到了83％，系统识别速度较快，并且语音样本容易采集，成本低廉。但是，本文的实验也存在着一些不足：该系统对运算速度要求较高，训练模型的建立时间相对较长。尽管如此，希望本文实验的结果能对同类研究提供了新的参考。虽然声纹认证技术取得了迅猛的发展，声纹认证技术还不理想。主要问题是究竟何种语音特征能唯一地携带声纹认证的特征人们还不是很清楚。由于声纹认证具有广阔的研究价值和市场前景，所以国家正加大投入力度，预期在未来的几年这项技术会更加成熟和完善。

目录

文摘

英文文摘

1绪论

1.1引言

1.2声纹认证的发展和现状

1.3声纹认证技术简介

1.3.1声纹认证的分类

1.3.2声纹认证的组成

1.3.3声纹认证的特征分析

1.3.4常用于声纹认证的特征

1.3.5特征类型的优选准则

1.3.6声纹认证的分类认证方法

1.3.7影响认证的两个问题

1.4本文所作的工作

2语音信号的数字处理

2.1人发出声音的生理基础

2.2语音的声学特性

2.2.1共振峰

2.2.2基音周期

2.3语音信号的数学模型

2.4语音信号的分析方法

2.4.1时域方法

2.4.2频域方法

2.4.3语谱图

2.5语音信号的数字处理

2.5.1语音信号的数字化

2.5.2语音信号的预处理

2.6语音信号端点检测

2.6.1短时能量

2.6.2短时过零率

2.7本章小结

3语音信号的特征提取

3.1线性预测系数(LPC)

3.1.1线性预测的基本原理

3.1.2线性预测系数的计算

3.2线性预测倒谱系数(LPCC)

3.3 Mel频率倒谱系数(MFCC)

3.3.1 Mel频率倒谱系数的原理

3.3.2 Mel频率倒谱参数的计算

3.4本章小结

4基于HMM的声纹认证

4.1概述

4.2马尔可夫链(Markov链)

4.3 HMM

4.4 HMM关键问题

4.5 HMM算法

4.5.1前向算法-后向算法

4.5.2 Viterbi算法

4.5.3 Baum-Welch算法

4.6 HMM的改进

4.6.1动态定标

4.6.2选取初始模型

4.6.3多个观察值序列训练

4.7基于HMM的声纹认证

4.8本章小结

5实验数据分析

5.1语音库

5.2基于CHMM的声纹认证实验

5.3实验结果分析

5.4本章小结

结论

参考文献

附录

攻读学位期间发表的学术论文

致谢