聲紋密碼技術(shù)研究.pdf

1、在生物特征認(rèn)證技術(shù)領(lǐng)域，聲紋密碼具備快速、便捷、雙重加密等優(yōu)勢(shì)，在刑偵、安全、經(jīng)濟(jì)、生活等各個(gè)方向擁有廣闊的應(yīng)用前景。經(jīng)典的聲紋密碼系統(tǒng)首先采用語音識(shí)別系統(tǒng)對(duì)密碼內(nèi)容進(jìn)行確認(rèn)，再利用文本無關(guān)的說話人識(shí)別系統(tǒng)對(duì)說話人個(gè)性特征進(jìn)行確認(rèn)，兩次確認(rèn)策略確保了聲紋密碼系統(tǒng)的高性能。然而現(xiàn)有的聲紋密碼系統(tǒng)過多地依賴于語音識(shí)別對(duì)密碼內(nèi)容的預(yù)判決功能，如果冒認(rèn)者已經(jīng)獲得密碼內(nèi)容，系統(tǒng)錯(cuò)誤接收率將顯著增加。在此背景下，本文針對(duì)冒認(rèn)者已知密碼文本的聲紋密碼

2、任務(wù)，分別在特征域、模型域和得分域進(jìn)行深入研究和創(chuàng)新，提升了密碼文本己知時(shí)的系統(tǒng)性能。
　　 首先，本文在聲紋密碼系統(tǒng)特征前端提出特征域偏差估計(jì)(FSBE)的信道補(bǔ)償方法。利用卷積信道噪聲在倒譜域表現(xiàn)為線性偏移的現(xiàn)象，傳統(tǒng)的CMS、CMVN、雙高斯CDF-Matching等信道補(bǔ)償方法基于單高斯或雙高斯特征分布假設(shè)，利用各種特征參數(shù)歸一化方法削弱信道和噪聲干擾。相對(duì)于傳統(tǒng)方法因單高斯或雙高斯特征分布假設(shè)與實(shí)際數(shù)據(jù)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(cè)試語音相對(duì)于說話人模型和冒認(rèn)者模型似然度，將測(cè)試語音自動(dòng)投影至目標(biāo)模型各高斯分量對(duì)應(yīng)的信道空間，訓(xùn)練獲得線性或分段線性特征偏移參數(shù)。FSBE方法不再依賴參數(shù)歸一化思想，通過訓(xùn)練獲得較好的特征優(yōu)化效果，也可用作傳統(tǒng)信道補(bǔ)償技術(shù)的補(bǔ)充方法。實(shí)驗(yàn)驗(yàn)證了特征域偏移估計(jì)方法對(duì)聲紋密碼系統(tǒng)信道失配問題具有一定的改善效果。
　　 其次，本文對(duì)聲紋密碼系統(tǒng)中說話人模型建模方法進(jìn)行了研究，提出了高斯混合

4、幀模型(GMFM)的新方法。傳統(tǒng)的非參數(shù)與參數(shù)模型估計(jì)方法在密碼已知的聲紋密碼系統(tǒng)中都存在不足之處，前者僅能反映有限注冊(cè)數(shù)據(jù)的分布結(jié)構(gòu)，無法描述潛在變化規(guī)律以及說話人內(nèi)部差異，后者在數(shù)據(jù)稀疏情況下難以獲得準(zhǔn)確的參數(shù)估計(jì)，比如GMM-UBM方法中僅調(diào)整均值向量不更新協(xié)方差矩陣的近似策略導(dǎo)致說話人模型與實(shí)際數(shù)據(jù)分布差異較大，且GMM模型存在忽略文本相關(guān)瞬時(shí)信息的缺陷。本文結(jié)合非參數(shù)方法與參數(shù)估計(jì)方法提出了GMFM建模方法，以每幀訓(xùn)練樣本注冊(cè)

5、一個(gè)高斯分量，令每個(gè)高斯密度函數(shù)的均值向量為對(duì)應(yīng)幀特征向量。為了避免參數(shù)估計(jì)過擬合的問題，該策略假定所有高斯分量共享少量數(shù)目的協(xié)方差對(duì)角陣，利用最大似然準(zhǔn)則進(jìn)行訓(xùn)練，從而獲得較為準(zhǔn)確的說話人模型。GMFM方法兼顧了文本相關(guān)瞬時(shí)信息和說話人內(nèi)部差異，并且通過綁定方差緩解了數(shù)據(jù)稀疏的影響，尤其適合短時(shí)聲紋密碼任務(wù)。實(shí)驗(yàn)表明基于GMFM模型的聲紋密碼系統(tǒng)相對(duì)基線系統(tǒng)獲得較大性能提升。
　　 再次，本文在聲紋密碼任務(wù)中提出一種基于最小分

6、類錯(cuò)誤(MCE)準(zhǔn)則的區(qū)分性聲紋密碼模型訓(xùn)練策略。傳統(tǒng)區(qū)分性訓(xùn)練方法對(duì)數(shù)據(jù)量需求較大，在聲紋密碼這類短語音任務(wù)中難以發(fā)揮效用。本文提出的區(qū)分性訓(xùn)練新策略將訓(xùn)練集所有說話人的原始特征轉(zhuǎn)換為一種表征其相對(duì)于注冊(cè)模板距離的說話人無關(guān)新特征，從而可以集中所有說話人數(shù)據(jù)組成正例訓(xùn)練集和反例訓(xùn)練集，最終基于MCE準(zhǔn)則進(jìn)行兩類區(qū)分性訓(xùn)練獲得一對(duì)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(wù)中區(qū)分性訓(xùn)練數(shù)據(jù)量不足的問題，而且將說話人相關(guān)的確認(rèn)

7、任務(wù)轉(zhuǎn)化為說話人無關(guān)的經(jīng)典分類任務(wù)，更加靈活有效、節(jié)省資源、適合大規(guī)模測(cè)試任務(wù)。實(shí)驗(yàn)表明基于區(qū)分性模型的聲紋密碼系統(tǒng)與GMM-UBM系統(tǒng)具有良好的互補(bǔ)性，融合后相對(duì)基線系統(tǒng)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(qiáng)聲紋密碼系統(tǒng)的區(qū)分能力。傳統(tǒng)聲紋密碼系統(tǒng)直接采用測(cè)試語音平均幀得分作為確認(rèn)判決依據(jù)，由于不同類型的語音對(duì)目標(biāo)說話人的區(qū)分能力不同，直接賦予所有幀得分相同權(quán)重會(huì)導(dǎo)致系統(tǒng)性能受損。本文提出的得分域