[工学]8现代测试技术-语音识别技术.pptVIP

生物识别技术优势 5.3 声纹识别技术 生物识别技术比较 错误接受率 错误拒绝率 容易实用性 处理速度/人 指纹识别 很低 较低 好 2s-5s 掌纹识别 低 5% 使用困难 5s-10s 人脸识别 低 0.2% 非常好 ≤5s 虹膜识别 很低 约10% 需要培训才能使用，手工操作对虹膜有困难 仪器自动对准虹膜需要3s-5s，手工操作需要5s-25s 视网膜识别 未知 未知 不好 15s-30s 声纹识别 低 低 可以 1s-3s 签名识别 低 10% 一般 5s-10s 5.3 声纹识别技术 一、声纹识别技术定义 声纹识别（又称说话人识别）是一项根据语音波形中反映说话人生理和行为特征的语音参数（声纹），并对说话人进行身份验证的生物识别技术 5.3 声纹识别技术 能够有效地区分不同的说话人，但又能在同一说话人的语音发生变化时相对保持稳定；易于从语音信号中提取；不易被模仿。 语音 分析 身份 声明 模型 产生 模型 存储 特征 提取 距离 测量 识别 判决 声纹识别系统框图 输入 语音 识别 确认 训练 5.3 声纹识别技术 谱包络参数语音信息通过滤波器组输出，以合适的速率对滤波器输出抽样，并将它们作为声纹识别特征。 基于发声器官如声门、声道和鼻腔的生理结构而提取的参数：基音轮廓、共振峰频率带宽及其轨迹 ； 线性预测系数（与声道参数模型相符合）：如线性预测系数、自相关系数、反射系数、对数面积比、线性预测残差及其组合等参数； 反映听觉特性的参数；如美倒谱系数、感知线性预测等； 通过对不同特征参量的组合来提高实际系统的性能。 特征提取 5.3 声纹识别技术 何谓成功的声纹识别系统 一个成功的说话人识别系统应该做到以下几点： 能够有效地区分不同的说话人，但又能在同一说话人语音发生变化时保持相对的稳定，如感冒等情况； 不易被他人模仿或能够较好地解决被他人模仿问题； 良好的抗噪性；声学环境变化时能够保持一定的稳定性。 5.3 声纹识别技术 声纹识别与语音识别的不同 声纹识别利用的是语音信号中的说话人信息，而不考虑语音中的字词意思，它强调说话人的个性; 而语音识别的目的是识别出语音信号中的言语内容，并不考虑说话人是谁，它强调共性。 声纹识别系统主要包括两部分，即特征检测和模式匹配。特征检测的任务是选取唯一表现说话人身份的有效且稳定可靠的特征，模式匹配的任务是对训练和识别时的特征模式做相似性匹配。 5.3 声纹识别技术 声纹识别的分类 类型分类： 文本相关(Text-dependent) 文本无关(Text-dependent) 任务分类： 说话人辨认(Speaker Identification) 说话人确认(Speaker Verification) 5.3 声纹识别技术 UBM(Universal Background Model)，通用背景模型 GMM(Gaussian Mixture Model)，高斯混合模型 背景噪音（环境噪音） 信道差异（固定电话，手机，麦克风） 身体差异，语速快慢，时间间隔 FAR（False Accept Rate），错误接受率；FRR（False Reject Rate），错误拒绝率。 EER（Equal Error Rate），等错误率；即FAR=FRR时的错误率。 多说话人识别，分割 声纹识别相关术语 5.3 声纹识别技术 0.1 0.2 0.5 1 2 5 10 20 40 40 20 10 5 2 1 0.5 0.2 0.1 错 误 接 受 的 概 率 (%) 错 误 拒 绝 的 概 率 (%) 等错误率(ERR)=1% 平衡点 减少错误接受的可能，提高系统的安全。但是由于错误拒绝率高，会给用户使用带来不便。 高安全性 高方便性 对于安全性要求不高的应用场景，可以适当提高错误接受率，使得用户容易进入系统。 DET (Detection Error Tradeoff) 曲线 5.3 声纹识别技术 二、声纹识别方法 模板匹配法 从说话人发出的语音信号中提取测试模板，并且与其相应的参考模板相比较。 概率统计方法 通过对稳态特征如基音、声门增益、低阶反射系数的统计分析，利用均值、方差等统计量和概率密度函数进行分类判决。 动态时间规整方法 稳定因素（发声器官的结构和发声习惯），时变因素（语速、语调、重音和韵律）。 将识别模板与参考模板进行时间对比，按照某种距离测定得出两模板间的相似程度。 5.3 声纹识别技术 5.3 声纹识别技术 矢量