智能小区（下篇）

三、基于声纹识别的智能小区认证系统设计 语音识别（Voice Recognition）技术研究如何使机器能准确的辨认语音的发出者或其内容,以便控制其它设备来满足人类的各种需要。     

基于云服务的气象数据信息安全认证技术研究

传统的身份认证技术无法对云端的海量访问认证请求进行有效的管理.目前的多因素认证机制中,用户的验证码由云服务提供商支持的多因素认证设备免费生成,而基于专门的动态口令卡的多因素认证服务则需要收取一定的费用.为了实现免费身份认证,采用一种区分性模型方法实现声纹识别说话人身份的确认,并采用信道补偿算法进一步提高系统性能.做了与生成性模型声纹识别身份认证技术进行对比和分析的实验,得到新方法具有鲁棒的身份认证性能的结论.     

声纹识别的智能门禁系统设计及实现

本文提出的设计是一个应用于住宅小区的智能门禁系统,通过对需要使用门禁的人员进行声纹识别或者密码确认,判断该人员是否符合进入条件并给出门锁的开关动作。系统设计以STM32F103RET6单片机为核心控制模块,结合智能语音识别模块和无线传输模块构成。客户端采集用户声纹信息,服务器端进行声纹认证和信息记录,判别后通过网络发送控制指令来控制门禁状态;管理后台可实时查询门锁状态信息和用户信息;同时支持客户端远程开锁。基于声纹识别的智能门禁系统设置了多种方式的门禁控制,有效提升了用户的友好感,使用方便简洁,具有推广价值。     

基于二维特征提取方法与混合神经网络的接触式采集110 kV三相三绕组变压器无载调压异常

异常放电是电力变压器中一种潜在的危险故障,若未及时检测可能导致严重的安全事故。采用接触式拾音器收集变压器箱体内异常放电声纹信号,并提出了一种特征提取方法和一个深度神经网络结构,以实现对变压器异常放电的高效识别。首先,设计了一种结合梅尔频率提取和关键频率提取的二维声纹特征提取方法。其次,提出了一种基于卷积神经网络和Transformer网络的混合二维特征识别模型,能够在确保识别速度的同时准确辨识异常放电声纹信号。通过对110 kV三相三绕组变压器无载调压试验过程中采集的放电数据进行试验分析,所提方法相较于ResNet50识别速度增加约0.16秒/样本,同时识别效果提升了4.5%。     

基于多层优选卷积的水声信号样本自动标注方法

针对深度学习在水声研究领域的应用中面临大数据量要求和现有样本量限制的问题,本文提出了一种多层优选卷积网络模型。通过基于相似度的优选方法选出最佳卷积核,以提取更具代表性的特征。利用探索层特征融合策略,叠加多层卷积输出,获取更全面的特征信息。采用约减策略优化模型,有效缩短运算时间。通过优选、特征融合和注意力机制,有效解决此类问题。实验结果表明,该模型在数据集上取得的最好的标注准确率为高基线模型1.12%;同时运行时间减少了43.5%。因此,该模型的使用提高了水声信号标注的准确率和效率。     

声纹识别技术在电子商务安全认证中的应用

随着公用网络基础设施的逐步完善及各种新兴的宽带接入技术的涌现,在线支付的商务方式以其特有的优势迅猛的发展起来。因而电子商务成为近年来人们关注的焦点,它使社会的商务方式发生了变革,但是电子商务的软肋也阻碍了其迅速的发展,即电子商务的安全性问题是其亟待解决的核心问题,现提出了一种基于声纹识别与数字加密相结合的技术来实现安全的电子商务身份认证,与此同时也简单介绍了声纹识别算法的改进措施及认证技术的实现过程。     

话说人识别技术及其军事应用

说话人识别技术，即声纹识别技术，它做为一种身份识别的手段，是语音信号处理中的重要组成部分，具有独特的优势，近年来也逐渐成为国际上研究的热点，在军事上得到了广泛的应用。     

基于声纹识别的安全保障系统设计

文章阐述声纹识别的理论依据,分析选用技术的关键步骤。基于Matlab软件,制作一个系统。通过相关算法的运用和改进,并进行实验对系统进行检测,最终获得一个可对特定人声进行识别的系统,且误识率(FAR)和拒识率(FRR)较低。     

基于声纹识别的变压器工况检测方法及验证系统

通过对大型电力变压器（电抗器）声纹信号采集、处理与特征分析,提出了一种基于声纹识别技术的变压器工况检测方法及验证系统,实现对变压器工作状态的判断检测。首先,通过声纹采集传感器实地采集获取73组变压器音频,共约1800 min;其次,分别运用分段、分帧、加窗音频预处理方法对所采集的变压器声纹进行去噪处理;再次,综合运用能量特征、频率特征、梅尔频率倒谱系数、频率压缩方法提取变压器声纹特征并进行有效融合;最后,针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题,提出一种基于余弦相似度算法实现声纹叠加的分离检测,同时建立一套变压器工况检测与验证分析系统。