聲紋密碼技術研究.pdf

1、在生物特征認證技術領域，聲紋密碼具備快速、便捷、雙重加密等優(yōu)勢，在刑偵、安全、經濟、生活等各個方向擁有廣闊的應用前景。經典的聲紋密碼系統首先采用語音識別系統對密碼內容進行確認，再利用文本無關的說話人識別系統對說話人個性特征進行確認，兩次確認策略確保了聲紋密碼系統的高性能。然而現有的聲紋密碼系統過多地依賴于語音識別對密碼內容的預判決功能，如果冒認者已經獲得密碼內容，系統錯誤接收率將顯著增加。在此背景下，本文針對冒認者已知密碼文本的聲紋密碼

2、任務，分別在特征域、模型域和得分域進行深入研究和創(chuàng)新，提升了密碼文本己知時的系統性能。
　　 首先，本文在聲紋密碼系統特征前端提出特征域偏差估計(FSBE)的信道補償方法。利用卷積信道噪聲在倒譜域表現為線性偏移的現象，傳統的CMS、CMVN、雙高斯CDF-Matching等信道補償方法基于單高斯或雙高斯特征分布假設，利用各種特征參數歸一化方法削弱信道和噪聲干擾。相對于傳統方法因單高斯或雙高斯特征分布假設與實際數據分布不符帶來的局

3、限性，本文提出的FSBE方法利用最大化每條測試語音相對于說話人模型和冒認者模型似然度，將測試語音自動投影至目標模型各高斯分量對應的信道空間，訓練獲得線性或分段線性特征偏移參數。FSBE方法不再依賴參數歸一化思想，通過訓練獲得較好的特征優(yōu)化效果，也可用作傳統信道補償技術的補充方法。實驗驗證了特征域偏移估計方法對聲紋密碼系統信道失配問題具有一定的改善效果。
　　 其次，本文對聲紋密碼系統中說話人模型建模方法進行了研究，提出了高斯混合

4、幀模型(GMFM)的新方法。傳統的非參數與參數模型估計方法在密碼已知的聲紋密碼系統中都存在不足之處，前者僅能反映有限注冊數據的分布結構，無法描述潛在變化規(guī)律以及說話人內部差異，后者在數據稀疏情況下難以獲得準確的參數估計，比如GMM-UBM方法中僅調整均值向量不更新協方差矩陣的近似策略導致說話人模型與實際數據分布差異較大，且GMM模型存在忽略文本相關瞬時信息的缺陷。本文結合非參數方法與參數估計方法提出了GMFM建模方法，以每幀訓練樣本注冊

5、一個高斯分量，令每個高斯密度函數的均值向量為對應幀特征向量。為了避免參數估計過擬合的問題，該策略假定所有高斯分量共享少量數目的協方差對角陣，利用最大似然準則進行訓練，從而獲得較為準確的說話人模型。GMFM方法兼顧了文本相關瞬時信息和說話人內部差異，并且通過綁定方差緩解了數據稀疏的影響，尤其適合短時聲紋密碼任務。實驗表明基于GMFM模型的聲紋密碼系統相對基線系統獲得較大性能提升。
　　 再次，本文在聲紋密碼任務中提出一種基于最小分

6、類錯誤(MCE)準則的區(qū)分性聲紋密碼模型訓練策略。傳統區(qū)分性訓練方法對數據量需求較大，在聲紋密碼這類短語音任務中難以發(fā)揮效用。本文提出的區(qū)分性訓練新策略將訓練集所有說話人的原始特征轉換為一種表征其相對于注冊模板距離的說話人無關新特征，從而可以集中所有說話人數據組成正例訓練集和反例訓練集，最終基于MCE準則進行兩類區(qū)分性訓練獲得一對通用的正例和反例模型。該策略不僅巧妙地解決了聲紋密碼任務中區(qū)分性訓練數據量不足的問題，而且將說話人相關的確認

7、任務轉化為說話人無關的經典分類任務，更加靈活有效、節(jié)省資源、適合大規(guī)模測試任務。實驗表明基于區(qū)分性模型的聲紋密碼系統與GMM-UBM系統具有良好的互補性，融合后相對基線系統有明顯性能提升。
　　 最后，本文引入得分域多維特征分類器方法以增強聲紋密碼系統的區(qū)分能力。傳統聲紋密碼系統直接采用測試語音平均幀得分作為確認判決依據，由于不同類型的語音對目標說話人的區(qū)分能力不同，直接賦予所有幀得分相同權重會導致系統性能受損。本文提出的得分域