[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

说明书

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，采集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；通过待识别用户指示，得到要进行身份认证的解释专家名；采集待识别用户对与声纹模板库声纹波形；从声纹模板库中，提取对应该解释专家名的声纹模板；分别对解释专家和待识别用户的声纹模板，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；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，则判定待识别用户为指示的解释专家。本发明具有认证准确率高，速度快，鲁棒性强，可准确识别过慢和过快速语音等优点。

技术领域

本发明涉及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，属于计算机信息安全技术领域，应用于测井处理解释软件领域。

背景技术

国外发展了多种石油测井解释的智能测井评价专家系统，如斯伦贝谢公司的地层倾角解释咨询系统和岩性模式识别(LITHO)专家系统，壳牌石油公司的岩石物性评价知识库系统（LOGIX）。而国内主要有华北油田和胜利油田的OWLI和LIX测井解释智能专家系统，但这些智能测井评价专家系统缺少用户身份认证和权限划分，易造成构建的专家知识库被非法修改和盗用。

基于声纹的生物特征信息识别技术，利用人类发音器官的生理差异以及后天形成的行为差异导致的发音方式和说话习惯的不同，进行身份识别和认证，具有安全程度高，使用者易接受，生物特征获取成本低廉，认证算法复杂度低等优势，已逐渐取代传统的密码认证方式。

在已有的声纹识别技术中，主要有基于高斯混合模型（专利：CN102194455A和CN102324232A）和基于矢量量化方法（专利：101055718A）的两大类方法。

基于高斯混合模型的方法主要包括训练和待识别样本声纹波形信息的特征提取，构建训练样本特征向量的高斯混合模型，计算待识别样本特征向量在高斯混合模型中的概率分布，作为判别条件。缺点：(1)声纹信息特征并不完全符合高斯分布，与高斯模型不够吻合；(2)模型初始参数的选取比较随机，严重影响系统的识别率；(3)构建高斯混合模型，训练算法复杂程度高，迭代过程中易出现协方差矩阵元素小于零的情况，造成无法训练得到最终模型。

基于矢量量化的方法主要包括训练和待识别样本声纹波形信息的特征提取，构建训练样本特征向量的矢量量化码本，采用穷尽搜索，计算待识别样本输入矢量与所有训练样本码字之间的失真，通过比较找出失真最小的码字，作为判别结果。缺点：(1)从码本中搜索训练矢量的最近码字需要大量的存储空间和繁琐的计算，当采用大码本和高维矢量时，计算复杂度将非常大；(2)初始码本的选择影响码本训练的收敛速度和最终码本的性能。

实际应用中还发现这两种方法的鲁棒性较差，对于过慢和过快速的待识别声纹的识别率很低。

发明内容

本发明的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，目的在于使用用户的声纹信息对智能测井评价专家系统用户进行身份认证，并划分相应的权限，避免因智能测井评价专家系统中的专家知识库被非法修改和盗用引发的安全问题。

本发明的技术方案

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；