基于深度学习的开放场景下声纹识别系统的设计与实现

针对现实应用场景中短时语音和混叠有噪声情况下声纹识别准确性低的问题,本文设计了一种改进的基于深度学习的声纹识别算法,提高了声纹识别模型在短时语音和带噪环境下的鲁棒性,并将该模型部署到了嵌入式设备中.本文主要对声纹识别算法的编码层和损失函数进行改进.对于编码层,本文使用了基于差分编码的NeXtVLAD技术,同时对帧级特征中的静态声纹特征和动态声纹特征进行建模.对于损失函数,本文将基于小样本学习框架的余弦-原型损失函数cosine-Prototypical与附加间隔分类损失函数AM-Softmax进行融合来训练声纹识别模型,使得模型在特征空间中的同类特征尽可能集聚,异类特征尽可能分离.此外,本文还将声纹识别算法部署在Raspberry Pi平台上,实现了能快速推理的声纹识别系统.实验结果表明:这种改进的声纹识别系统在多种开放场景下,能够实时、准确地完成声纹识别任务,可以达到实际应用的要求.     

基于多特征序贯判决的电话语音声纹鉴别方法研究

提出一种基于倒谱特征矢量量化结合音调特征序贯判决的电话语音声纹识别方法．文中分析了长时LPC倒谱特征和音调特征的特性；根据LPE倒谱各维分量对说话人识别贡献不同，改进了失真测度；用矢量量化方法建立每个说话人语音模型，构成一种分类准确、存储数据少、响应速度快的不依赖文本的声纹鉴别系统；构造一种简化的音调测度，将声道和声源特征结合，采用序贯判决策略，提高了系统的顽健性．实验表明，在60位说话人集合中，用大约10秒的话音做识别，正确率达95％以上．     

SJ／T 11380—2008《自动声纹识别（说话人识别）技术规范》概述

本标准的某些内容有可能涉及专利,本标准的发布机构不应承担识别这些专利的责任. 本标准的附录A是规范性附录.     

基于听觉特性的声纹识别系统的研究

声纹识别技术,形象的说法就是说话人识别技术.它是根据人在说话时产生的波形,以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术.本文所研究的是与文本有关的说话人确认系统.比较了基于声道的线性预测倒谱系数(LP CC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征,得出MFCC对环境存在更高的鲁棒性.并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真.本实验系统的识别率达到了90％,验证了HMM模型识别的准确性.     

声纹识别技术在社保生存验证中的应用

声纹识别技术是对人的声音进行特征鉴别,以便分出不同个体的技术。对于人体来说,声纹是长期稳定的特征信号,通过声纹鉴别技术可以区分不同个体。本文介绍了声纹识别的概念和原理;并就利用声纹识别技术,应用于社保生存验证,做了初步方案设计。     

好莱坞影片中不再神秘的生物特征识别技术

当我们还不熟知人脸识别、虹膜扫描、指纹识别等生物技术时,好莱坞已将这些新兴技术毫不吝啬地搬上荧屏,让观众一饱高科技奇观的眼福。毫无疑问,这也成为好莱坞八大影业公司确保票房的噱头和卖点,由此奥斯卡从第68届起增设＂科技奖＂,以鼓励电影制作人对创新科技的探索。     

与文本无关的声纹识别系统的研究

重点研究基于矢量量化方法的声纹识别系统,介绍Mel频率倒谱系数的提取方法以及矢量量化的基本原理.分别就特征参数和识别方法两个方面做出改进.通过仿真验证,系统识别率可达90％以上.     

声纹识别与支柱瓷绝缘子的振动声学检测

针对目前各种瓷支柱绝缘子在线检测方法存在的不足,提出采用声纹识别算法进行绝缘子检测结果分析。介绍了振动声学法检测法和声纹识别算法的原理,通过声纹分析技术建立声纹特征矢量库,采用该声纹特征矢量库对某变电站支柱瓷绝缘子的振动声学检测结果进行处理。结果显示,正常绝缘子和有缺陷绝缘子的检测结果在声纹上有着不同的特征,声纹分析技术能有效分辨出有缺陷的绝缘子,达到与人工判断同样的效果。     

基于叩齿声音的身份确认方法

为了克服语音身份确认中语音分割、特征提取和鲁棒性差的困难,文中分析叩齿声音波形特性,提出一种利用叩齿声音进行身份确认的方法。使用二阶微分方程建立齿震动发声的近似模型,以此为基础提出基于叩齿声音信号的身份确认方法。实验结果表明,叩齿声音信号稳定性强,处理复杂度低于声纹信号,应用于身份识别性能优良。该方法和经典的支持向量机、最近邻算法相比,运算量低,所需训练样本少。     

声纹识别技术应用及一些关键问题

世界信息化进程日新月异,人们充分享受着便捷快速信息带来的好处。然而,出现在人们面前的“个人隐私的保密”问题迫切需要解决。现在常用的密码或者IC卡等加密手段具有先天性安全缺陷,即易忘记,易丢失,易盗。而用生物特征进行身份认证的技术正是克服这些缺陷的认证新手段,因为它是个人所特有的,每个人的特征都是不一样的。正如比尔盖茨所说：“以人类生物特征(指纹、语音、人脸、虹膜)进行身份验证的生物识别技术,在今后数年内将成为IT产业最为重要的技术革命”。