基于小波分析的语音反蓄意模仿研究

摘要

模仿者蓄意模仿说话人的语音，当相似度很高时，模仿者就很有可能欺骗身份鉴别系统，并获得相应的权限来侵入系统，对信息安全和个人隐私造成严重威胁。因此，进行语音蓄意模仿的分析研究对国防、信息安全及刑侦等均具有重大意义。　　本文对语音反蓄意模仿进行了语音增强、特征参数提取研究，并建立了基于SVM的反蓄意模仿说话人识别系统，主要内容如下：　　（1）本文介绍了蓄意模仿的相关概念以及研究现状，举例分析了语音蓄意模仿对社会和信息安全的危害。从说话人识别系统的全局着手，分析了语音预处理的重要性，简单说明了特征参数提取，介绍了常见的说话人识别模型，并对其进行分析。　　（2）语音信号不可避免地受到各种环境噪声的影响，为了提高系统的识别率，要对语音进行增强处理，提取尽可能纯净的语音。本文利用小波阈值去噪方法对含噪语音进行去噪，结合并改进传统的软硬阈值去噪方法，提出了一种新阈值函数去噪方法，取得了良好的去噪效果。　　（3）对MFCC倒谱系数及其差分倒谱系数进行了详细阐述，为了获取更具个人语音特性的特征参数，提取了WMFCC和IWMFCC，同时提取了DWTWC语音特征参数。根据增减分量法原理，提出MFCC+△MFCC、 MWI-MFCC和DWI-MFCC混合特征参数。　　（4）建立了蓄意模仿语音库，并介绍语音相似度主客观评价方法；研究MFCC、MFCC+△MFCC、MWI-MFCC和DWI-MFCC倒谱系数对语音蓄意模仿的分辨能力，以及它们对语音蓄意模仿相似度的描述能力。实验表明，这四种特征参数中DWI-MFCC倒谱系数性能最好。　　（5）详细介绍了支持向量机的基本原理，建立了基于SVM的语音反蓄意模仿识别系统，并与基于VQ的说话人识别系统作比较，错误接受率从VQ系统的12.25％降低到SVM系统的6.4375%，证明了本文建立的系统具有更优良的性能。　　（6）对本文的工作进行总结，并提出下一步的研究方向。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1 课题研究背景及意义

§1.2 说话人识别发展历史及现状

§1.3 语音反蓄意模仿简介

§1.4 论文的主要内容与安排

第二章 说话人识别系统概述

§2.1 说话人识别的基本概念及分类

§2.2 说话人识别系统结构

§2.3 语音信号预处理

§2.4 特征参数提取

§2.5 说话人识别模型

§2.6 本章小结

第三章 语音增强研究

§3.1 语音增强技术

§3.2 小波变换的基本原理

§3.3 小波去噪的基本原理

§3.4 新阈值去噪方法

§3.5 仿真结果及分析

§3.6 本章小结

第四章 特征参数的提取及其在蓄意模仿说话人中的研究

§4.1 特征参数的提取

§4.2蓄意模仿语音库的建立

§4.3语音模仿相似度的评价

§4.4 MFCC特征参数分析

§4.5 MFCC+△MFCC特征参数分析

§4.6 MWI-MFCC特征参数分析

§4.7 DWI-MFCC特征参数分析

§4.8四种特征参数欧氏距离的对比

§4.9本章小结

第五章 语音反蓄意模仿说话人识别系统的实现

§5.1 支持向量机

§5.2 实验结果与分析

§5.3 本章小结

第六章 总结与展望

§6.1 工作总结

§6.2 展望

参考文献

致谢

攻读硕士期间发表的论文