基于VQ反模仿说话人识别再确认系统算法研究.pdfVIP

2008年第3期 大 众 科 技 NO．3，2008 (总第1O3期) DAZHONG KE J (Cumulatively No．1 03) 基于VQ反模仿说话人识别再确认系统算法研究 周 鸣 ，景新幸 (1．桂林无线电一厂，广西 桂林 541004；2．桂林电子科技大学，广西 桂林 541004) 【摘 要】人的语音虽然具有独立性，但也是可以被模仿。语音模仿技术的出现就给当前的信息安全带来威胁，这就使得 有必要加强当前说话人识别系统的安全性，开展反模仿技术的研究。文章介绍了说话人识别方面的基本概念、原理以及当前的 研究现状，并介绍当前流行的说话人识别方法，并着重阐述基于动态阈值的说话人反模仿系统。 【关键词】矢量量化；语音模仿；反模仿；说话人识别；说话人确认 【中图分类号】TN912，34 【文献标识码】A 【文章编号】1008—1151(2008)03—0033-03 目前网络与信息系统的基础性、全局性作用日益增强， 1．矢量量化的基本原理 人们对信息安全的认识有了进一步的提高，这对信息安全保 VQ(Vector Quantization)即矢量量化。一组特征向量可 障工作提出迫切要求。语音模仿技术的出现给当前的信息安 以有效地代表说话人独特的声学特性，由于特征向量数目巨 全带来威胁，有必要 开展反模仿技术的研究，反模仿技术对 大，所需存储空间及计算量都非常大，因此可以使用矢量量 保障信息安全的作用是巨大的，它能更好的保障信息和命令 化技术来压缩说话人声学特性的模型。 的安全性。当前说话人辨认系统的性能已经非常好，而说话 矢量量化的基本原理是：将若干个标量数据组成一个矢 人确认系统的性能则相对较差。反模仿说话人再确认系统就 量 (或者是从一帧语音数据中提取的特征矢量)在多维空间 是利用说话人辨认系统的性能优于相应的说话人确认系统的 给予整体量化，从而可以在信息量损失较小的情况下压缩数 性能，我们就可以利用说话人辨认的识别方式来提高说话人 据量。矢量量化有效地应用了矢量中各元素之间的相关性， 确认系统的性能。随着信息技术的发展，社会管理日趋电子 因此可以比标量量化有更好的压缩效果。利用矢量量化技术 化、自动化，具有反模仿技术的说话人识别系统，必将得到 时，主要有两个问题要解决： 广泛的应用。 ， (1)设计一个好的码本。为了建立一个好的码本要求建 (一)基于VQ的说话人识别理论及算法 立码本的训练数据不仅数据量要充分大，而且要有代表性； 说话人识别的基本原理是建立一个能够描述说话人语音 其次，要选择一个好的失真度准则以及码本优化方法。 特征的模型。在进行说话人辨认时，取与测试音匹配距离最 (2)未知矢量的量化。对未知模式矢量，按照选定的失 小的说话人模型所对应的说话人作为说话人辨认的结果；在 真测度准则，把未知矢量量化为失真测度最小的区域边界的 进行说话人确认时，用测试音的模型与所声称的说话人的模 中心矢量值 (码字矢量)，并获得该码字的序列号 (码字在码 型进行比较，若匹配距离小于一个规定的阈值，则该说话人 本中的地址或标号)。 得到确认。由此可以看出，说话人辨认和说话人确认在本质 2．矢量量化器的码本设计及优化 上并没有什么差别。因此，若要实现说话人的识别，需解决 选择了合适的失真测度后，就可进行矢量量化器的最佳 以下几个基本问题： 设计。所谓最佳设计，就是从大量信号样本中训练出好的码 (1)对语音信号的预处理和特征提取； 本；