[发明专利]一种基于声纹识别的智能测井评价专家系统身份认证方法

权利要求书

1.一种基于声纹识别的智能测井评价专家系统身份认证方法，其特征在于包括以下步骤：

(1)采集智能测井评价专家系统每位解释专家用户对同一文本发音的声纹波形，构成声纹模板库；

(2)通过待识别用户指示，得到要进行身份认证的解释专家名；

(3)采集待识别用户对与声纹模板库中构建该解释专家声纹模板相同的文本发音的声纹波形；

(4)从声纹模板库中，提取对应该解释专家名的声纹模板；

(5)对解释专家的声纹模板，进行抗干扰预处理，并提取声纹特征，形成样本特征矢量序列；

(6)对待识别用户声纹波形，进行抗干扰预处理，并提取声纹特征，形成待识别样本特征矢量序列；

(7)计算待识别用户样本特征矢量序列与该解释专家样本特征矢量序列之间的匹配距离，如果该距离小于拒识阈值，则判定待识别用户为指示的解释专家，识别成功，系统开放智能测井评价所用知识库；否则，拒识；

所述抗干扰预处理方法包括以下步骤：

(a)提取声纹波形的浊音段；

(b)对每个浊音段，进行重叠分帧处理；

(c)对每帧信号，进行加窗处理；

(d)对加窗后信号进行FFT变换。

2.如权利要求1所述基于声纹识别的智能测井评价专家系统身份认证方法，其特征在于，

步骤(5)、(6)中抗干扰预处理方法的具体实施步骤如下：

(a)提取声纹波形的浊音段；首先采用倒谱法计算声纹波形的基音频率，信号s[n]的实倒谱如下式计算：

式中，将实倒谱c[n]的x坐标n，通过SFreq(采样频率)/n，转换成频率值；限定基音频率值在70Hz和500Hz之间，在该限定频率范围内，寻找实倒谱c[n]中的最大值，如果该最大值大于0.09，则对应的频率即为计算的基音频率，否则基音频率为零；最后，对计算的基音频率进行中值滤波，将不为零的基音频率对应的声纹波形段，认为是浊音段；

(b)对每个浊音段，进行重叠分帧处理；帧与帧之间要保证一定的重叠，即帧移，帧移与帧长的比值一般在0～1/2之间；

(c)对每帧信号，进行加窗处理；对每帧数据加汉明窗，即是用有限长窗口对每帧信号进行加权处理，汉明窗函数如下所示：

(d)对加窗后信号进行FFT变换，得到该帧的频谱为：

步骤(5)、(6)中提取声纹特征信息采用梅尔频率倒谱系统(MFCC)作为声纹特征参数，具体实施步骤如下：

(e)计算每帧频谱X(k)幅度的平方，得到能量谱|X(k)|²；

(f)将能量谱通过Mel频率滤波器组，以实现对语音信号的频谱进行平滑，并消除谐波，凸显原先语音的共振峰；

Mel频率滤波器组是一组三角带通滤波器，中心频率为f(m)，0≤m<M，M为滤波器组个数，取值20～28之间，Mel滤波器H_m(k)表示如下：

(g)对Mel滤波器组的输出取对数：压缩语音频谱的动态范围，将频域中的噪声的乘性成分转换成加性成分，得到对数Mel频谱S(m)如下：

(h)将对数能量谱S(m)经过离散余弦变换得到MFCC系数，第n个系数C(n)的计算如下式：

式中，L为MFCC参数的维数。

3.如权利要求1或2所述基于声纹识别的智能测井评价专家系统身份认证方法，其特征在于步骤(7)中的匹配距离计算方法，该方法包括以下步骤：

(i)计算待识别用户样本特征矢量序列中每帧信号的特征向量与指示解释专家样本特征矢量序列中所有帧信号的特征向量之间的距离；

(j)寻找帧间距离最小值所对应的帧对作为最优匹配结果；

(k)计算待识别用户样本特征矢量序列与指示解释专家样本特征矢量序列之间的所有最优匹配帧对，并对所有最优匹配帧对之间的距离进行平均，作为待识别用户样本特征矢量序列与指示解释专家样本特征矢量序列之间的匹配距离。