反模仿的說話人再確認的研究

1、I分類號密級UDC編號桂林電子工業(yè)學院研究生學位論文題目：反模仿的說話人再確認的研究反模仿的說話人再確認的研究（英文）ResearchOnCounterImitationofTheSpeakerReVerificationSystem研究生姓名：劉志國指導教師姓名、職務：景新幸教授申請學位：工學碩士學科、專業(yè)：電路與系統(tǒng)提交論文日期：2005年4月論文答辯日期：2005年6月年月日萬方數(shù)據(jù)摘要I摘要人的語音雖然具有獨立性，但也是可以被模

2、仿。模仿者蓄意模仿說話人的聲音，當相似度較高或幾乎相同時，當前的身份確認系統(tǒng)有可能會被模仿者欺騙。語音模仿技術的出現(xiàn)就給當前的信息安全帶來威脅，這就使得有必要加強當前說話人識別系統(tǒng)的安全性，開展反模仿技術的研究。本文詳細介紹了基于動態(tài)閾值的說話人反模仿系統(tǒng)。文中首先介紹了常用語音特征參數(shù)，并使用了一種新的方法來實時提取語音特征；接著介紹了說話人識別方面的基本概念、原理以及當前的研究現(xiàn)狀，并簡單介紹了當前流行的說話人識別方法。要實現(xiàn)反蓄意

3、模仿，理想狀態(tài)就是要讓說話人確認系統(tǒng)的錯誤接受率為零。而本文所進行的基于矢量量化以及高斯混合模型的說話人識別的實驗都證明：當說話人確認系統(tǒng)的錯誤接受率為零時，其錯誤拒絕率極高使得系統(tǒng)幾乎不可用。傳統(tǒng)的確認方法受到閾值的影響不能滿足反模仿的要求。而基于動態(tài)閾值的說話人確認方法利用當前說話人辨認的性能已經(jīng)非常好的特點，將說話人辨認的策略融入到說話人確認當中來，無需設置閾值，具有較強的判斷冒名頂替者的能力，同時系統(tǒng)的錯誤拒絕率依然保持在可用的

4、水平。該方法通過建立一個綜合了多個說話人語音特性的非特定說話人模型，使其能夠對于不同的待確認語音給出不同的判決閾值，從而解決了說話人確認在判決閾值設置上存在的困難，提高了系統(tǒng)的自適應性。為了使新的判別策略適用于實際開放的應用環(huán)境，在現(xiàn)有的N個說話人模型之外附加一個全局說話人模型，這個模型訓練所使用的數(shù)據(jù)是所有參考說話人的訓練數(shù)據(jù)。于是，在改進的判別策略中一共有N1個說話人模型，其中全局說話人模型代表了多個說話人的共同特征。為了驗證系統(tǒng)，