防錄音回放攻擊的說話人認(rèn)證算法及系統(tǒng)設(shè)計(jì).pdf

1、說話人認(rèn)證技術(shù)是聲紋識別技術(shù)研究的熱點(diǎn)之一，其在養(yǎng)老金保險(xiǎn)系統(tǒng)、門禁系統(tǒng)、遠(yuǎn)程身份認(rèn)證系統(tǒng)等信息安全方面都得到了廣泛的應(yīng)用。然而，隨著科技的發(fā)展，錄制說話人的聲音比較方便且使用簡單，使得錄音回放攻擊對說話人身份認(rèn)證的信息安全系統(tǒng)產(chǎn)生了很大的威脅。因此，研究防止錄音回放攻擊的說話人認(rèn)證系統(tǒng)具有非常大的意義和迫切的需求。
　　本文在分析現(xiàn)有說話人識別算法的基礎(chǔ)上，研究了基于GMM模型和HMM模型的說話人認(rèn)證系統(tǒng)及其仿真實(shí)現(xiàn)；在分析區(qū)分

2、回放語音與原始語音方法的基礎(chǔ)上，提取能正確表達(dá)原始語音和回放語音之間區(qū)別的特征信息，研究了基于SVM的防錄音回放攻擊檢測系統(tǒng)，最終設(shè)計(jì)實(shí)現(xiàn)了防回放攻擊檢測的說話人認(rèn)證總體系統(tǒng)。
　　本文的主要工作內(nèi)容如下：
　　(1)分析了現(xiàn)有說話人認(rèn)證的預(yù)處理過程，重點(diǎn)對語音信號進(jìn)行去噪和增強(qiáng)的算法進(jìn)行研究，編程實(shí)現(xiàn)了該算法并分析了該算法的實(shí)現(xiàn)效果；實(shí)現(xiàn)了語音特征參數(shù)差分 MFCC的提取，分析了現(xiàn)有防止錄音回放攻擊檢測的方案，研究依據(jù)信道

3、模式噪聲的長時特征來區(qū)分兩種語音的不同。
　　(2)在研究GMM和HMM基本理論、最大期望算法、K-Means聚類算法、Baum-Welch算法、Viterbi算法及概率最大化等理論技術(shù)的基礎(chǔ)之上，分別完成了基于GMM模型和基于HMM模型的說話人認(rèn)證系統(tǒng)的設(shè)計(jì)，完成了整個系統(tǒng)的訓(xùn)練和識別，并通過實(shí)驗(yàn)驗(yàn)證并分析了兩種模型在不同的模型參數(shù)、不同語音時長下的訓(xùn)練和識別性能對比分析。
　　(3)在分析SVM分類原理算法的基礎(chǔ)上，研究

4、分析了語音信號的信道模式噪聲的提取方法和提取信道模式噪聲的長時特征的算法，并對提取出的特征值進(jìn)行基于SVM的訓(xùn)練和分類，實(shí)驗(yàn)分析了該算法的可行性。
　　(4)設(shè)計(jì)實(shí)現(xiàn)了說話人認(rèn)證防錄音回放攻擊檢測的總體系統(tǒng)。該系統(tǒng)能完成基于GMM和HMM模型的說話人認(rèn)證的訓(xùn)練和識別過程，實(shí)現(xiàn)基于SVM的防錄音回放攻擊檢測，并且實(shí)現(xiàn)基于GMM和HMM模型的說話人認(rèn)證與前端防回放攻擊檢測和后端防回放攻擊檢測的不同結(jié)合，并完成了包括特征提取效率、訓(xùn)練效