[发明专利]说话人认证的验证方法及装置

说明书

技术领域

本发明涉及信息处理技术，具体地涉及说话人认证(speaker authentification)的技术。

背景技术

利用每个人说话时的发音特点可以识别出不同的说话人，从而可以进 行说话人的认证。在K.Yu，J.Mason，J.Oglesby发表的文章“Speaker recognition using hidden Markov models，dynamic time warping and vector quantisation”(Vision，Image and Signal Processing，IEE Proceedings，Vol.142，Oct.1995，pp.313-18)中介绍了常见的三种说话人 识别引擎技术：HMM(Hidden Markov Model，隐马尔可夫模型)，DTW (Dynamic Timing Warping，动态时间规整)和VQ(Vector Quantization， 矢量量化)。

通常，一个说话人认证系统包括注册(enrollment)和验证(verification) 两个部分。在注册阶段，根据说话人(用户)本人说出的包含密码的语音， 生成该说话人的说话人模板；在验证阶段，根据说话人模板判断测试语音 是否为该说话人本人说出的相同密码的语音。具体地，在验证过程中通常 应用DTW算法对测试语音的声学特征向量序列与说话人模板进行DTW 匹配，从而得到匹配得分，并将匹配得分与在测试阶段得到的分辨阈值进 行比较，来判断测试语音是否为该说话人本人说出的相同密码的语音。在 DTW中，计算测试语音的声学特征向量序列和说话人模板的全局匹配得 分的方法通常是直接沿着最优的匹配路径将所有节点距离相加求和。然而， 由于匹配错误在用户测试的时候常常会出现一些较大的节点距离。这给区 分用户和冒充者带来了困难。

在X.Wen and R.Liu发表的文章“Enhancing the stability of speaker verification with compressed templates”，ISCSLP2002，pp.111-114(2002) 中提出了一个基于帧级验证的说话人验证系统。在P.Mills，J.Bowles发表 的文章“Fuzzy logic enhanced symmetric dynamic programming for speech recognition”，Fuzzy Systems，Proceedings of the Fifth IEEE International Conference on，Vol.3，pp.2013-2019(1996)中则描述了一个 基于模糊逻辑的语音识别系统。这两种方法的本质都是在DTW算法的节 点距离上做了一种变换。然而，这两种变换都对参数非常敏感，只有为每 个模板都设置合适的参数才能取得较好的效果。

发明内容

为了解决上述现有技术中存在的问题，本发明提供了说话人认证的验 证方法和装置以及说话人认证系统。

根据本发明的一个方面，提供了一种说话人认证的验证方法，包括： 输入说话人说出的包含密码的语音；从上述输入的语音提取声学特征向量 序列；对上述提取出的声学特征向量序列与注册说话人注册的说话人模板 进行DTW匹配；计算DTW匹配后的声学特征向量序列与说话人模板之 间的各个节点距离；对上述计算所得的各个节点距离进行非线性变换，以 使对较小的节点距离给予较大的权重；根据上述非线性变换后的各个节点 距离，计算DTW匹配得分；以及比较上述匹配得分和预先定义的分辨阈 值，以确定上述输入的语音是否为上述注册说话人说出的包含密码的语音。