聲紋識(shí)別在微信中的模式匹配研究.pdf

1、近年微信在人們的手機(jī)應(yīng)用中占據(jù)了越來越重要的地位，成為很多人社交的首選應(yīng)用軟件，它是專門給我們常用的手機(jī)、電腦等終端提供通訊服務(wù)的應(yīng)用軟件，人們能夠運(yùn)用它快速地發(fā)送圖片、語音、視頻及文字來分享生活及交流，只消耗網(wǎng)絡(luò)流量而無需通過運(yùn)營(yíng)商收取通訊費(fèi)用。
　　但隨著信息時(shí)代的來臨，計(jì)算機(jī)、通信技術(shù)等高科技技術(shù)在我們的日常生活中隨處可見，讓我們的生活變得更加便捷與多彩，但隨之而來的問題也造成了很多人的困擾。各種卡片必須隨身攜帶，復(fù)雜繞口的

2、密碼太難記憶，卡片丟失、密碼被盜也頻繁帶來安全隱患和財(cái)產(chǎn)損失。這也給微信的使用帶來了安全隱患，如果手機(jī)落入他人手中，就有可能會(huì)被模仿機(jī)主聲音騙取他人信任，以實(shí)施不法行為造成危害，個(gè)人隱私保密問題迫切需要解決。而生物識(shí)別是生物學(xué)和信息學(xué)等技術(shù)的結(jié)合，使得身份鑒定變得更加安全、方便且不需要記憶，幫我們解決了這一難題，它主要是通過運(yùn)用生理和行為這種與生俱來的特征來實(shí)現(xiàn)身份的識(shí)別。聲紋識(shí)別也屬于生物識(shí)別，它具有獲取方便、使用簡(jiǎn)單、識(shí)別成本低、可

3、遠(yuǎn)程操作等優(yōu)勢(shì)，是唯一可以進(jìn)行遠(yuǎn)程身份確認(rèn)的生物識(shí)別技術(shù)。被廣泛地應(yīng)用于各種生活中需要身份認(rèn)證的場(chǎng)合領(lǐng)域中。當(dāng)前中國(guó)對(duì)聲紋識(shí)別技術(shù)運(yùn)用尚處于初始階段，發(fā)展?jié)摿叽?。有了聲紋識(shí)別，微信用戶就可以在需要的時(shí)候通過語音確定對(duì)方身份，確保自身利益不受損害。
　　本文分別對(duì)聲紋識(shí)別的幾個(gè)模塊——預(yù)處理、特征提取、模式匹配、識(shí)別判斷進(jìn)行了闡述，并重點(diǎn)對(duì)聲紋識(shí)別的模式匹配算法進(jìn)行了研究。
　　聲紋識(shí)別模式匹配的算法有很多，如動(dòng)態(tài)時(shí)間歸整(

4、 DTW)、人工神經(jīng)網(wǎng)絡(luò)（ANN）、隱馬爾可夫模型( HMM)、高斯混合模型( GMM)等，由于 DTW識(shí)別率低，ANN訓(xùn)練時(shí)間較長(zhǎng)，HMM訓(xùn)練計(jì)算量較大，為了提高識(shí)別正確率和識(shí)別效率，本文選擇當(dāng)前非常流行的聲紋識(shí)別技術(shù)高斯混合模型（ Gaussian Mixture Model,GMM）作為建模方法。通過GMM的離散組合利用協(xié)方差矩陣和均值來表征高斯函數(shù)，從而得出GMM[1-2]。由于高斯混合模型GMM對(duì)語音聲學(xué)特征分布有較好的擬合特

5、性，基于最大似然決策的 GMM方法已經(jīng)成為說話人識(shí)別系統(tǒng)的主流方法[3]。它是高斯概率密度函數(shù)的延展，因此可以很好地模擬出各種不同形狀的密度分布。
　　在聲紋識(shí)別的訓(xùn)練階段求參數(shù)集時(shí)本文運(yùn)用了EM算法，而在識(shí)別階段模式匹配時(shí)本文利用MAP準(zhǔn)則加以實(shí)現(xiàn)。在計(jì)算初始值時(shí)本文對(duì)比了LBG算法與K均值算法對(duì)系統(tǒng)識(shí)別率的影響，為了克服識(shí)別性能參數(shù)的矛盾性本文還提出了一種聯(lián)合判決門限決策。分別做了不同特征參數(shù)、初始點(diǎn)、端點(diǎn)檢測(cè)、門限值及模式匹