基于声纹识别的电网调度认证系统设计

随着我国电网智能化规模日益扩大，如何保障发布安全可靠的电网调度指令成为研究热点。但现有研究中大多缺乏调度员身份可靠校验，存在一定的安全隐患。针对该安全问题，提出构建基于声纹识别的调度认证系统，由数据层、功能层、接口层和业务应用层4层架构组成，采用卷积神经网络从短时语音中提取声纹身份特征，融合基于动态口令的身份认证方法，在短时语音识别和欺骗性语音检测方面取得良好的效果，解决电网调度场景中可能存在的多种未知欺骗攻击和错误调度指令问题，并对调度指令进行正确性校验，避免错误指令。基于声纹识别的电网调度系统可高效地响应用户请求，在执行身份认证的同时给予及时有效的相关反馈，提高调度工作的安全性和质量，具备实际应用价值。     

一种基于声纹识别的智能门锁系统设计与实现

针对目前市面上已有的指纹锁、人脸锁等,尚且缺乏一款成熟的语音锁,设计并实现了一种利用不同说话人声音之间的差异,而识别开锁人身份的智能语音门锁系统。系统以智能手机为客户端平台,采集用户的语音,上传至云服务器,利用声纹识别技术识别用户身份,当用户通过身份认证,系统再通过无线网络通信的方式,将开锁信号发送到以NodeMCU为硬件平台的门锁端,从而实现开锁操作。此外,系统采用Web网页的形式展示服务端后台,可以实现管理员对系统的远程管理和监控。实验结果表明,该门锁系统的具有90%左右的识别准确率,同时错误接受率较低,充分证明了系统的安全性和稳定性。     

电力数字证书服务系统的设计及应用

针对电力系统的信息安全需求,设计和实现了基于公钥技术的电力数字证书服务系统(PCSS),讨论了其技术特点,分析了该系统自身的安全性,并介绍了其在电力业务服务器身份认证中的应用。PCSS是一个安全支撑平台,能为它上面的应用系统提供强身份认证、加解密、签名验签、时间戳等安全服务,有效地解决了电力应用系统网络上用户身份认证和安全传输的问题。PCSS的实施将加速数字电力系统的实现进程。     

基于短信动态口令的身份认证管理服务

针对配电馈线终端（FTU）智能手机人机交互接口MMI应用身份认证管理的技术要求,需要在配网调控制中心建设动态身份验证的服务器系统,以实现对手机MMI应用的安全防护。控制中心服务器侧的身份认证管理软件采用挑战/响应方式的动态口令身份认证技术,并使用手机短信实现认证信息的传输,微型加密算法TEA对短信内容进行加解密处理,从而实现MMI应用的异步双因子安全体系登录认证的目的。在分析研究相关理论、方法和实现技术的基础上,完成了身份认证管理软件的设计与实现,并在用户控制中心机房成功部署,达到了项目开发的目的。     

基于PKI的身份认证系统的研究与设计

公钥基础设施是目前网络安全建设的基础与核心,是电子商务安全实施的基本保障,文中分析了PKI技术,提出了一种基于PKI体系结构的身份认证模型的方案,给出了其流程图。该身份认证系统利用PKI技术,并结合数字签名的原理来进行通信双方身份的识别,并采用权威机构CA发放的证书作为通信双方的身份标识。     

反向级联认证在一级部署业务系统中的应用

为解决一级部署业务系统各级用户的平滑访问,引入了反向级联认证技术.反向级联认证是在充分考虑信息安全原则的前提下,利用总部和网省两级身份认证系统,实现网省用户访问总部一级部署业务系统的身份认证方式.反向级联认证在一级部署业务系统中的成功应用,为其他业务系统进行一级部署改造进行了有益的探索、积累了经验,也充分证明了一部分业务系统率先进行一级部署改造是切实可行的,在一定程度上避免了投资风险,具有良好的示范效果.     

指纹远程登录的SSL安全通信系统

目前网络上使用的密码登陆技术不安全,基于人体特征的身份认证也因明文形式传送,很易遭篡改或重发攻击。为此,本文提出了利用指纹作为远程登录身份认证的依据,并结合SSL加密技术实现一个安全、高效、可靠且易于实现和普及的网络远程认证安全通信系统。描述了系统的总体架构和业务流程,讨论了认证中心CA的证书签发,实现了以visual studio2005作为开发平台、Openssl作为加密库,在认证协议的支持下,完成系统的安全通信。     

PKI／CA技术在电力信息系统安全保障方面的应用研究

贵州电网公司作为“南方电网公司PKI／CA身份认证系统”省级试点单位,率先在省网公司范围内部署PKI／CA身份认证信息系统,完成了PKUCA系统平台的搭建,为电力信息系统提供身份认证、访问控制、数据传输加密和安全管理等眼务。同时对财务、门户等关键应用系统进行了安全登陆改造。     

基于VMware的Novell身份认证系统虚拟化架构实践

为保证身份认证系统的稳定性和可靠性,以最少的投资带来最优的回报,安徽省电力公司结合身份认证系统自身特点,充分利用硬件资源,采用虚拟化技术进行架构改造和优化,解决了软件性能瓶颈,实现了系统性能的大幅度提升。该架构已在安徽省电力公司大规模应用,并为公司节约了大量的资源和资金。     

基于指纹识别的电力信息系统身份认证的研究

针对电力信息系统用户名与密码身份认证方式存在信息安全隐患的问题,设计了一种基于指纹与密码的双特征身份认证系统。给出了该系统的整体结构方案与运作流程,研究分析了指纹图像采集、预处理、特征提取和特征匹配等指纹图像处理环节的原理及实现方法,应用指纹采集模块TFSM71与Visual C++6.0开发平台分别完成了指纹身份认证系统中硬件与软件的设计,并对整个系统进行了仿真,验证了双特征身份认证系统的可行性。     

基于DTW-GMM的光纤传感系统声纹识别方法

为了满足易燃易爆环境的声纹识别需求,设计了直线型萨格奈克干涉光纤声音传感系统,利用维纳滤波算法对语音数据进行了降噪,通过三电平削波法获取了基音周期特征,采用动态时间规整算法筛选了说话人样本,并提取了梅尔频率倒谱系数特征,运用高斯混合模型 期望最大化算法开展了声纹识别实验研究,同时探究了光纤声音传感系统的频率响应特性与声纹特征,研究了采集语音幅值对声纹识别结果的影响。实验结果表明,系统可实现300~3 500 Hz频率段的声音信号感知,声音幅值从0.9 V降至0.15 V时最大与次大对数似然值之差由35.5降至10.9,识别结果从成功变为失败。重复性实验表明,在10 km的传感光纤上,距声源2 m位置处,传感系统可对400段时长为3~5 s之间的文本无关语音段实现准确检测,且综合识别准确率为94.75％。本系统有望为易燃易爆环境中的设备故障、应急救援、渗漏监测等领域提供声纹识别的解决方案。     

基于声纹特征和集成学习的变压器缺陷诊断方法

变压器运行过程中产生的振动噪声与其运行状态及内部缺陷情况直接相关,对其声纹信号开展特征分析,有助于进一步了解设备运行工况,保障电力系统安全稳定运行。文中以声纹特征分析为基础,兼顾诊断效率与准确性,提出一种基于卷积神经网络及集成学习模型的变压器缺陷诊断方法。该方法以变压器声纹数据的时域及频域信号为多通道输入混合特征,构建了基于卷积神经网络模型和声纹特征分析法的集成学习模型,可实现变压器声纹特征的有效识别,并通过由多个基学习器组成的集成学习模型提高了变压器缺陷诊断的准确性。基于文中所构建的变压器声纹样本库,可得到该方法对变压器单一缺陷的识别准确率为99.2%,对变压器混合缺陷的识别准确率为99.7%。研究结果表明该方法可有效识别变压器的运行状态,为变压器运维检修提供技术参考。     

基于深度神经网络和多元损失的说话人识别

生物特征识别技术相对于传统密码等方式具有更高的可靠性,而作为生物特征识别技术的重要研究方向之一的声纹识别方法,研究更精确的声纹识别方法具有更高的研究意义。随着深度学习的发展,深度学习应用在声纹识别技术上成为在声纹识别领域研究的重点。提出一种基于深度神经网络和beyond triplet loss相结合的说话人识别方法,模型通过梅尔频率倒谱系数（MFCC）提取MFCC声学特征,对MFCC声学特征提取说话人声纹特征,然后进行多元损失的模型训练。实验结果表明,DNN-BTL算法在说话人识别领域比高斯混合-隐马尔可夫模型（GMM-HMM）具有更好的识别效果。     

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。     

基于特征筛选和改进深度森林的变压器内部机械状态声纹识别

变压器声纹信号包含大量反映内部机械状态的有效信息。为实现变压器内部机械状态不停电检测,提出一种基于特征筛选和改进深度森林的变压器机械状态声纹识别方法。首先,利用自适应噪声完备集合经验模态分解(CEEMDAN)声纹信号得到本征模态函数(IMF),并通过频谱分析和皮尔逊相关系数对IMF分量进行筛选,得到包含故障信息的IMF分量。其次,利用各IMF分量在频段上的分布情况进行高、低频段划分,依据高、低频段IMF分量的差异性,将高频段IMF分量的时频能量和低频段IMF分量的幅值特性作为特征指标,构成特征向量,输入改进后的深度森林模型,得到10种机械松动状态的声纹识别结果。最后,通过现场试验验证了该方法的有效性。研究结果表明：所提方法对10种机械松动状态的平均识别准确率达99.2%。与传统变压器声纹特征相比,所提声纹特征区分度更高;与传统识别模型相比,所提改进深度森林识别模型复杂度更低,训练速度更快,识别准确率更高。     

基于50 Hz倍频小波时频熵和RUSBoost的变压器绕组松动声纹识别

变压器绕组松动故障给电力系统安全稳定埋下巨大隐患,目前缺乏切实有效的诊断方法。因此提出一种基于50 Hz倍频小波时频熵和RUSBoost的变压器绕组松动声纹识别方法。首先,针对变压器声纹特点提出50 Hz倍频小波时频熵,用于声纹信号特征提取。然后,针对变压器故障样本较少导致的样本不平衡的问题,提出基于RUSBoost模型的模式识别。最后,在现场实测数据的基础上验证了该方法的有效性。研究结果表明,所提方法对变压器绕组不同松动程度的故障均能实现可靠诊断,平均识别准确率达到了98.9%。样本较少的75%松动和100%松动的识别准确率也分别高达97.2%和94.6%。相较于RF、DT、KNN以及SVM等传统模型,总体识别准确率至少提高3.3%,样本较少的75%松动和100%松动的识别准确率至少提高了2.8%和2.5%。     

身份验证中基于主动外观模型的手形匹配

身份验证系统包括了指纹识别、人脸识别、声音识别、虹膜识别和手形识别等生物识别技术。采用主动外观模型（AAM）用于手形的匹配,在特征提取阶段共同提取手形特征和纹理特征,实现了在特征级的特征融合。与现有方法进行了试验比较后表明,该方法提高了识别准确率与验证准确率。     

说话人识别在智能家居中的应用

说话人识别是当前语音信号处理的研究热点之一,它应用在身份认证领域具有得天独厚的优势.采用与文本相关的说话人识别方法,以Mel倒谱系数(MelFrequency Cepstral Coefficients,MFCC)及其一阶差分作为特征参数,采用矢量量化(VQ)技术进行模板创建.实验表明,该方法简便可靠,对于智能家居安防中的用户身份认证具有一定实用价值.     

声纹识别中MEL参数的提取研究

从说话人的语音信号中提取出能反映其个性特征的参数是声纹识别的关键环节之一.介绍了MEL倒谱系数(MFCC)及其提取方法,在此基础上提出了一阶差分(△MFCC),并将MFCC和△MFCC结合起来作为声纹识别的参数进行了MEL参数提取实验.实验结果表明将MFCC和△MFCC结合起来作为特征参数在识别性能上优于独立的MFCC...     

基于MFCC和随机森林的GIS动作声纹特征辨识和操作机构异常分类

针对气体绝缘金属封闭开关（GIS）设备的操作机构异常或故障而导致其开关动作时出现分合闸失败或不到位的问题,提出了一种基于梅尔频率倒谱系数（MFCC）和随机森林的GIS设备操作机构异常分类模型。首先,对采集到的声纹信号进行预处理,使用MFCC提取声纹信号的特征;然后,构建随机森林对提取的特征信息进行辨识,得到GIS动作异常的分类结果;最后,以某110 kV的GIS设备为例,采集断路器、隔离开关的储能机构和传动机构异常或故障时的声纹信号,构建了音频样本库,并对所提分类模型与多种经典模型进行了对比测试。结果表明,MFCC能够有效提取出不同工况下GIS动作的声纹信号特征,且随机森林在众多分类识别模型中表现最优,有效提高了GIS动作异常工况识别的准确率。