随机式声纹密码验证系统、随机式声纹密码锁及其产生方法

摘要

本发明提供一种随机式声纹验证系统包含一训练系统、一随机密码产生器及一测试系统，以便对原始输入语音数据进行训练或测试作业。在训练语音上，训练系统从该原始输入语音数据获得一指定声纹特征模型参数组，并从指定声纹特征模型参数组取得数个声纹特征单元并组合形成至少一个参考声纹密码组，以供测试系统执行语音测试作业。在执行测试语音上，随机密码产生器从指定声纹特征模型参数组的声纹特征单元随机产生至少一个参考声纹密码组，以形成该随机式声纹密码锁。本发明通过随机产生一个或多个参考声纹密码组，即随机式声纹验证系统完成设定形成随机式声纹密码锁，因而其达到不易遭受非法破解的效果。

说明书

技术领域

本发明是关于一种随机式声纹验证系统、随机式声纹密码锁及其产生方法，特别是关于利用数个声纹特征单元随机组合形成一个或多个参考声纹密码组，通过选择任一个或多个参考声纹密码组构成随机式声纹密码锁，以便执行一声纹验证作业的随机式声纹验证系统，及该随机式声纹验证系统提供声纹密码锁及其产生方法。

背景技术

目前利用个人生物特征进行身分辨识逐渐成为个人身分辨识的主要技术。在辨识技术上，目前可供辨识的生物特征包含脸孔辨识、指纹辨识、掌纹辨识、声纹辨识、眼球虹膜辨识及脱氧核糖核酸(DNA)排序配对辨识等。

一般针对电子数据安全保护、金融交易安全及保全系统只使用个人密码加以保护，但单纯的个人密码无法提供有效的安全保护，例如密码外泄或破解等。因此，电子数据安全保护、金融交易安全及保全系统必须寻求其它保护措施，通过强化个人身分辨识的功能，以提升电子数据安全、金融交易安全及保全系统。若基于考量辨识技术的架构成本及实际操作时，可发现声纹辨识相对较适合被选择做为个人身分辨识的用途。

举例而言，现有声纹验证方法，如中国台湾专利公告第49065 号、发明名称为“利用声谱信息辩识使用者的方法与其装置”的发明专利，其利用不同使用者特有的声谱信息辨识使用者的身份，以决定使用者是否经过授权。该方法包含步骤：(1)使用者发出语音后，检测语音的终点；(2)从该语音的声谱中取出语音特征；(3)决定是否需要训练，若是，则将该语音特征作为一参考样本，同时设定一界限；若否，则进行下一步骤；(4)将该语音特征与参考样本进行图样对比；(5)依对比结果计算两者之间距的距离；(6)将计算结果与设定界限比较；(7)依比较结果决定该使用者是否为一授权使用者。该方法使用于行动电话，其利用声谱分析方法将语音的独特信息取出，由此进行辨识使用者的方法。该第490655号专利主要利用每一时框(frame)的主要值与使用者设定的界限进行比较，决定语音的始点与终点后，再利用Princen-Bradley滤波器转换已检测的语音信号，以便取得其对应声谱图案。该声谱图案与预先储存的参考声谱样本进行对比，以辨识使用者的声纹。

简言之，第490655号专利需要进行图案的匹配及距离的运算，若该运算距离未超过界限时，使用者即可通过声纹辨识。然而，第490655号专利在进行图案的匹配及距离的运算时，必须计算在参考样本及测试样本之间的距离。事实上，第490655号专利仅设定单一参考样本，因此其可能遭受非法破解，例如播放非法预录声纹数据。

因此，第490655号专利仍有必要进一步改良其单一参考样本的问题，如此才能在声纹验证作业上避免遭受非法破解，强化声纹验证作业的安全机制。

有鉴于此，本发明为了改良上述缺点，在一随机式声纹验证系统内利用数个声纹特征单元随机组合形成一个或多个参考声纹密码组，通过选择任一个或多个参考声纹密码组设定随机式声纹密码锁，以便执行一声纹验证作业，以提供声纹验证作业的安全机制。

发明内容

本发明的主要目的在于提供一种随机式声纹验证系统、随机式声纹密码锁及其产生方法，其在随机式声纹验证系统内利用数个声纹特征单元随机组合形成至少一个参考声纹密码组，通过该参考声纹密码组构成随机式声纹密码锁，以便进行一声纹验证作业，使本发明具有提升声纹验证可靠度的功效。

本发明的另一目的在于提供一种随机式声纹验证系统、随机式声纹密码锁及其产生方法，其在随机式声纹验证系统内利用数个声纹特征单元随机组合形成多个参考声纹密码组，通过多个参考声纹密码组构成随机式声纹密码锁，以便执行一声纹验证作业，使本发明具有提升声纹验证可靠度的功效。

根据本发明的随机式声纹验证系统包含一训练系统、一随机密码产生器及一测试系统，以便对原始输入语音数据进行训练或测试作业。在训练语音上，所述训练系统从原始输入语音数据获得一指定声纹特征模型参数组，并从指定声纹特征模型参数组取得数个声纹特征单元，通过一个或多个该声纹特征单元组合形成至少一个参考声纹密码组，以供该测试系统执行语音测试作业。在执行测试语音上，所述随机密码产生器从指定声纹特征模型参数组的声纹特征单元随机产生至少一个参考声纹密码组，以形成一随机式声纹密码锁。在进行解锁作业上，所述测试系统所需要的测试语音数据必须对应于参考声纹密码组，以便完成语音测试作业。

所述随机式声纹验证系统还包含一前端处理部及一特征撷取部。在执行训练语音上，所述训练系统利用前端处理部从原始输入语音数据撷取有效训练语音信息；再利用所述特征撷取部进行撷取所述有效训练语音特征；再进行运算有效训练语音信息以获得最相似路径，以便作为指定声纹特征模型参数组。在执行测试语音上，所述测试系统利用前端处理部从原始输入语音数据撷取有效测试语音信息；再利用特征撷取部进行撷取有效测试语音特征；再进行运算测试语音特征与模型参数之间相似机率以便输出一辨识结果。

根据本发明的随机式声纹密码锁，其包含数个声纹特征单元，利用该声纹特征单元随机组合形成一个或多个参考声纹密码组，通过一个或多个参考声纹密码组设定随机式声纹密码锁。在进行解锁作业上，该随机式声纹密码锁所需要的测试语音数据必须对应于参考声纹密码组，以便完成语音测试作业。

从所述原始输入语音数据产生一个指定声纹特征模型参数组，所述声纹特征单元从所述指定声纹特征模型参数组取得。

本发明随机式声纹密码锁产生方法，其包含步骤：输入一原始输入语音数据；从原始输入语音数据取得一指定声纹特征模型参数组；从指定声纹特征模型参数组取得数个声纹特征单元；通过一个或多个声纹特征单元组合形成至少一个参考声纹密码组，以提供随机式声纹密码锁。

根据该方法，还包含步骤：从所述原始输入语音数据取得一个指定声纹特征模型参数组，这样，从所述指定声纹特征模型参数组取得所述声纹特征单元。

根据该方法，所述声纹特征单元是利用一个训练系统取得。

根据该方法，所述参考声纹密码组是利用一个随机密码产生器取得。

本发明的有益效果在于：本发明的随机式声纹验证系统具有随机密码产生器，其随机产生一个或多个参考声纹密码组，即随机式声纹验证系统完成设定形成随机式声纹密码锁，因而其达到不易遭受非法破解的效果。

附图说明

图1为本发明较佳实施例的随机式声纹密码锁产生方法的流程图；

图2为本发明较佳实施例的随机式声纹验证系统架构的流程方块图；

图3A为本发明较佳实施例的随机式声纹验证系统进行语音训练作业的流程方块图；

图3B为本发明较佳实施例的随机式声纹验证系统进行语音训练作业的流程方块图；

图4A为本发明较佳实施例的随机式声纹验证系统利用短时能结合越零率进行端点检测所获得的能量及音框关系图；

图4B为本发明图4A的局部放大图；

图5A为本发明较佳实施例的随机式声纹验证系统利用熵算法进行端点检测所获得的能量及音框关系图；

图5B为本发明图5A的局部放大图；

图6A为本发明较佳实施例的随机式声纹验证系统输入10个语音的能量时序图；

图6B为本发明较佳实施例的随机式声纹验证系统对图6A所示的输入语音利用熵算法进行端点检测所获得的能量及音框关系图；

图6C为本发明较佳实施例的随机式声纹验证系统利用图6B所示的端点检测所决定选取音框的音框数列图；

图7为本发明较佳实施例的随机式声纹验证系统在截音作业完成后未重组及进行重组的能量时序图；

图8为本发明较佳实施例的随机式声纹验证系统的状态及音框的关系示意图；

图9为本发明较佳实施例的随机式声纹验证系统的音框与状态的初始分配模式示意图；

图10为本发明较佳实施例的随机式声纹验证系统的状态转换示意图；

图11为本发明较佳实施例的随机式声纹验证系统的最相似路径示意图；

图12为本发明较佳实施例的随机式声纹验证系统的均分音框示意图；

图13为本发明较佳实施例的随机式声纹验证系统的第一次重新分配音框示意图；

图14为本发明较佳实施例的随机式声纹验证系统的第二次重新分配音框示意图；

图15为本发明较佳实施例的随机式声纹验证系统的最佳分配音框示意图；

图16为本发明较佳实施例的随机式声纹验证系统的随机密码产生器随机产生参考声纹密码组的示意图。

主要组件符号说明：

1、网络声纹数据库 10、训练系统 20、随机密码产生器 30、测试系统

具体实施方式

为了让本发明的上述及其它目的、特征、优点能更明显易懂，下文将特举本发明较佳实施例，并配合所附图式，作详细说明如下。

图1揭示本发明较佳实施例的随机式声纹密码锁产生方法的流程图。本发明较佳实施例的随机式声纹密码锁产生方法依序包含三个主要步骤，其用以达成产生一随机式声纹密码锁。在一般应用上，该随机式声纹密码锁产生方法及其随机式声纹密码锁可应用于个人电子数据的存取、金融交易的身份认证及保全系统的辨识身份。

请再参照图1，本发明的随机式声纹密码锁产生方法包含取得原始输入语音数据(见步骤S1)、产生指定声纹特征模型参数组(见步骤S2)及产生随机式声纹密码锁(见步骤S3)。

图2揭示本发明较佳实施例的随机式声纹验证系统架构的流程方块图。请参照图2，本发明较佳实施例的随机式声纹验证系统1包含一训练系统10、一随机密码产生器20及一测试系统30，以便对原始输入语音数据进行训练或测试作业。

图3A揭示本发明较佳实施例的随机式声纹验证系统进行语音训练作业的流程方块图；图3B揭示本发明较佳实施例的随机式声纹验证系统进行语音训练作业的流程方块图。请参照图1、3A及3B所示，本发明的随机式声纹验证系统1还包含一A/D转换器、一语音检测器、一前端处理部及一特征撷取部，其用以执行语音训练作业及语音测试作业。本发明的语音训练或测试作业的最重要步骤是在原始输入语音数据中寻找语音信号的位置，即寻找其起始点(starting point)及终点(terminal point)，其较佳采用端点检测方式(endpoint detection)寻找该起始点及终点的正确位置。本发明所采用的端点检测方式包含短时距能量((Short-Time Energy)、越零率(Zero-Crossing Rate)及熵算法(Entropy-Based Algorithm)。利用结合短时距能量及越零率针对原始输入语音数据的能量进行端点检测；另外，再利用熵算法针对原始输入语音数据的能量进行端点检测。接着，通过截音作业，将原始输入语音数据的静音(silence)及噪声(noise)去除，并将截音完成语音数据再进行缩小排列，以取得有效语音。

图4A揭示本发明较佳实施例的随机式声纹验证系统利用短时能结合越零率进行端点检测所获得的能量及音框关系图。图4B揭示本发明第4A图的局部放大图。请参照图4A和4B所示，利用结合短时距能量及越零率针对原始输入语音数据进行端点检测作业，将检测结果绘示一能量及音框关系图。从能量及音框关系图可判定为数个端点。最后，本发明的随机式声纹验证系统可判定原始输入语音数据的各个起始点及终点。

图5A揭示本发明较佳实施例的随机式声纹验证系统利用熵算法进行端点检测所获得的能量及音框关系图。图5B揭示本发明图5A的局部放大图。请参照图5A及5B所示，利用熵算法针对原始输入语音数据进行端点检测作业，并自其能量及音框关系图同样获得数个端点。最后，本发明的随机式声纹验证系统同样可判定原始输入语音数据的各个起始点及终点。

请再参照图4B及5B，本发明较佳实施例的随机式声纹验证系统通过端点检测避免发生错误拒绝(false rejection)及错误接受(false acceptance)，以提升辨识率。简言之，本发明的随机式声纹验证系统一方面可避免将语音判定为静音及噪声，即避免发生错误拒绝；其另一方面可避免将静音及噪声判定为语音，即避免发生错误接受。

图6A揭示本发明较佳实施例的随机式声纹验证系统输入10个语音的能量时序图。请参照图6A，将0、1、2、3、4、5、6、7、8及9的语音依序输入至本发明的随机式声纹验证系统，以便举例说明如何进行端点检测作业。

图6B揭示本发明较佳实施例的随机式声纹验证系统对图6A所示的输入语音利用熵算法进行端点检测所获得的能量及音框关系图。请参照图6A及6B，本发明的随机式声纹验证系统对图6A所示的输入语音利用熵算法进行端点检测。此时，从0、1、2、3、4、5、6、7、8及9的输入语音获得10个端点区域，其分别代表0、1、2、3、4、5、6、7、8及9的个别语音的起始点及终点。

图6C揭示本发明较佳实施例的随机式声纹验证系统利用图6B所示的端点检测所决定选取音框的音框数列图。请参照图6A至6C，本发明的随机式声纹验证系统从图6B所示的个别语音的起始点及终点决定选取10个音框区，其分别代表0、1、2、3、4、5、6、7、8及9的个别语音的音框区，以便进行截音作业及进行重组作业。

图7揭示本发明较佳实施例的随机式声纹验证系统在完成截音作业后未重组及进行重组的能量时序图。请参照图7，在完成截音作业后，对每个音框取能量特征值。接着，将每个音框取能量特征值进行重组作业。本发明的随机式声纹验证系统可利用该完成重组的能量特征值进行声纹验证。

请再参照图2，使用者进入本发明的随机式声纹验证系统1时，首先必须输入帐号，以便进行确认身分。接着，该系统依输入帐号查询数据库，是否输入帐号属于已建立。若输入帐号未建立时，进入训练系统10进行语音训练作业，以便建立及储存该输入帐号的语音数据。若该输入帐号已建立时，进入测试系统30进行语音测试作业，以便辨识输入帐号的语音特征是否符合已储存该输入帐号的语音数据；此时，该随机密码产生器20即可随机产生一个或多个参考声纹密码组，即随机式声纹验证系统1完成设定形成一随机式声纹密码锁，以供测试系统30进行语音测试作业。

请再参照图1及3A，首先，本发明的随机式声纹密码锁产生方法执行取得原始输入语音数据(见步骤S1)，其通过初步执行语音训练作业的前段方式达成。因此，使用者直接输入声音至语音检测器，即可完成执行取得原始输入语音数据(步骤S1)，如图3A所示。一旦完成步骤1的取得原始输入语音数据时，原始输入语音数据可供执行下个步骤。

请再参照图1及3A，接着，本发明的随机式声纹密码锁产生方法执行产生指定声纹特征模型参数组(见步骤S2)。在执行步骤S2的产生指定声纹特征模型参数组后，将该指定声纹特征模型参数组储存在随机式声纹验证系统1内。一旦完成步骤S2的产生指定声纹特征模型参数组时，该指定声纹特征模型参数组可供执行下个步骤。

请再参照图2及3A，为了进行语音训练作业，随机式声纹验证系统1指定使用者的原始输入语音数据必需对应于一特定语音序列，例如0、1、2、3、4、5、6、7、8、9、A、B、C、D、E、F、G、H、I、J、K...等。如此，训练系统10可产生一指定声纹特征模型参数组，其包含数个声纹特征单元。举例而言，数个声纹特征单元逐一对应于0、1、2、3、4、5、6、7、8、9、A、B、C、D、E、F、G、H、I、J、K...等。为了进行语音测试作业，随机式声纹验证系统1的随机密码产生器20从指定声纹特征模型参数组随机产生至少一个参考声纹密码组。接着，依据随机密码产生器20所选择的参考声纹密码组进行语音测试作业。

请再参照图3A，在撷取语音特征之前，利用前端处理部将有效语音信息从原始输入语音数据撷取，以滤除无效语音信息。本发明所采用的端点检测方式包含短时距能量及越零率。举例而言，本发明采用结合高斯机率分布的计算方法，其方程式如下：

其中为原始信号将其分为数个D维的音框、i＝1，...，M，为所属机率、为背景噪声的期望值及∑_i为背景噪声的变异数。在此，因为中的D＝256为一个定值，故将其省略不予计算，将方程式(1)简化如下：

上式中的指数运算，在运算数据上有可能过大，故将其取对数后，将方程式(2)简化如下：

撷取原输入语音数据前端256点，计算短时距能量及越零率的期望值及变异数，接着将该两个数及原输入语音数据代入方程式(3)进行运算。利用短时距能量与越零率的分布机率区分有效语音信息及无效语音信息，将无效语音信息加以滤除，不但减少数据量，也能正确撷取有效语音信息。

另外，举例而言，在特征撷取部进行撷取特征上，本发明采用两个语音识别特征参数，其包含线性预测倒频谱系数(Linear Prediction CepstrumCoefficient，LPCC)及梅尔频标倒频谱参数(Mel Frequency CepstrumCoefficient，MFCC)两者各12个倒频谱参数(cepstral coefficients)及12个一阶倒频谱参数(delta-cepstral coefficients)。将倒频谱参数Cn对时间做偏微分

$\Delta c_n\left(t\right)=\frac{{\partial c}_n\left(t\right)}{\partial t}=\frac{\underset{k=-K}{\overset{K}{\Sigma }}{\mathrm{kc}}_n(t+k)}{\underset{k=-K}{\overset{K}{\Sigma }}{k}^2}---\left(4\right)$

K为考虑音框数。

因为一阶倒频谱参数的公式(4)过于复杂，故将其加以简化，下列各式为仅考虑前后各两个时框时，方程式简化如下：

$\Delta C_n^0=[2*C(2,n)+C(1,n)]/5---\left(5\right)$

$\Delta C_n^1=[2*C(3,n)+C(2,n)-C(0,n)]/6---\left(6\right)$

$\Delta C_n^i=[2*C(i+2,n)+C(i+1,n)-C(i-1,n)-2*C(i-2,n)]/10---\left(7\right)$

$\Delta C_n^{L-2}=[C(L-1,n)-C(L-3,n)-2*C(L-4,n)]/6---\left(8\right)$

$\Delta C_n^{L-1}=[-C(L-2,n)-2*C(L-3,n)]/5---\left(9\right)$

方程式(5)至(9)中，Cn为n阶特征值，L为信号中时框总数，i为时框编号。

图4揭示本发明较佳实施例的随机式声纹验证系统的状态及音框的关系示意图。

在训练语音上，语音具有所谓「状态」的观念，状态是发音时嘴型以及声道的变化。一般而言，每一次说话嘴型一定有变化，故每一个状态都是一个语音变化的特征表现。有时一个单音却有可能含有多个状态。一个状态并不像音框一样具有固定尺寸，通常一个状态包含数个或数十个音框。

请参照图8，第一状态包含三个音框、第二状态包含六个音框及第三状态包含四个音框。

图9揭示本发明较佳实施例的随机式声纹验证系统的音框与状态的初始分配模式示意图。该初始分配模式举例三个样本语音进行均分动作。

在初始模式将语音作均分动作，在均分后可能无法整除，多余音框则将其平分在第一个及最后一个状态。请再参照图9，在分配模式中，样本语音均分必须考虑三点：1、第一个音框一定属于第一个状态；2、最后一个音框一定属于最后一个状态；3、音框的状态变化，只有不变或变化至下一个。采用高斯分配机率计算每个音框属于每个状态的机率，并且利用维特比算法获得最相似路径。

图10揭示本发明较佳实施例的随机式声纹验证系统的状态转换示意图。

参照图10，在三个状态时，L个音框可能状态转换的方向。将打叉音框视为不可能属于的状态，箭头的方向视为可能状态变化路径。

图11揭示本发明较佳实施例的随机式声纹验证系统的最相似路径示意图。

请参照图11，撷取特征的最相似路径具有第一状态包含第1至3音框、第二状态包含第4至5音框及第三状态包含第7至10音框。

图12揭示本发明较佳实施例的随机式声纹验证系统的均分音框示意图。

请参照图12，三个样本语音在三个状态的初始模式，其采均分后的分布。第一样本语音的每个样本语音均分三个音框后，剩余两个音框分别分配置第一状态及第二状态。第二样本语音的每个样本语音均分四个音框。第三样本语音的每个样本语音均分三个音框后，剩余一个音框分别分配置第一状态。在计算后，其最大相似机率为2156。

图13揭示本发明较佳实施例的随机式声纹验证系统的第一次重新分配音框示意图。

请参照图13，在第一次重新分配音框后，其最大相似机率上升至3171。

图14揭示本发明较佳实施例的随机式声纹验证系统的第二次重新分配音框示意图。

请参照图14所示，在第二次重新分配音框后，其最大相似机率上升至3571。

图15揭示本发明较佳实施例的随机式声纹验证系统的最佳分配音框示意图。

请参照图15，在多次重新分配音框后，其最大相似机率3571不再上升，因此其视为最佳分配音框。计算各状态的期望值及变异数作为模型参数，该模型参数可供储存在数据库。

请再参照图2，在进入训练系统10进行语音训练作业时，运算方程式(1)至(9)获得有效训练语音特征。接着利用维特比算法获得最相似路径。接着计算各状态的期望值及变异数作为一指定声纹特征模型参数组，即完成语音训练作业。在语音训练上，其最大相似机率小于一预定参考值时，无法通过语音训练且结束训练作业，因而必须重新操作随机式声纹验证系统1；反之，其最大相似机率大于该预定参考值时，视其通过语音训练，因而将指定声纹特征模型参数组储存在随机式声纹验证系统1。

请再参照图1及3A，接着，本发明的随机式声纹密码锁产生方法执行产生随机式声纹密码锁(见步骤S3)。在产生随机式声纹密码锁的步骤S3上，随机密码产生器20从指定声纹特征模型参数组随机产生一个或多个参考声纹密码组，即随机式声纹验证系统1完成设定形成随机式声纹密码锁。一旦完成步骤S3的产生随机式声纹密码锁时，随机式声纹密码锁可供测试系统30进行语音测试作业，如图2所示。

图16揭示本发明较佳实施例的随机式声纹验证系统的随机密码产生器随机产生参考声纹密码组的示意图。请参照图16，举例而言，随机密码产生器20可产生四个字段的参考声纹密码组。字段A的参考声纹密码组包含1279、2385、A1B2、9F5U...等；字段B的参考声纹密码组包含1357...等；字段C的参考声纹密码组包含ABCD...等；字段D的参考声纹密码组包含1234...等。随机式声纹验证系统1是依据该随机密码产生器20所选择的参考声纹密码组进行语音测试作业。

请再参照第图2，测试系统30开始进行语音测试作业时，随机密码产生器20即随机产生一个或多个参考声纹密码组，即完成设定随机式声纹密码锁。如同语音训练作业的程序，在进入测试系统30进行语音测试作业时，利用运算方程式(1)至(9)获得有效测试语音特征。

请再参照图2，接着，进行运算测试语音特征与参考声纹密码组之间相似机率，以便输出一辨识结果。在语音辨识上，其最小相似机率大于预定参考值时，视其通过语音辨识，因而可进入随机式声纹验证系统1；反之，其最小相似机率小于预定参考值时，无法通过语音辨识且结束测试作业，因而必须离开随机式声纹验证系统1。

相较于中国台湾专利公告第490655号的声纹验证方法，其仅设定单一参考样本，因此其具有可能遭受非法破解的缺点；反观，本发明的随机式声纹验证系统具有随机密码产生器20，其随机产生一个或多个参考声纹密码组，即随机式声纹验证系统1完成设定形成随机式声纹密码锁，因而其达成不易遭受非法破解的功效。

上述实施例仅用于说明本发明，而非用于限定本发明。