[发明专利]基于声纹识别的身份验证的方法及系统

权利要求书

1.一种基于声纹识别的身份验证的方法，其特征在于，所述基于声纹识别的身份验证的方法包括：

S1，在接收到进行身份验证的用户的语音数据后，获取所述语音数据的声纹特征，并基于所述声纹特征构建对应的声纹特征向量；

S2，将所述声纹特征向量输入预先训练生成的背景信道模型，以构建出所述语音数据对应的当前声纹鉴别向量；

S3，计算所述当前声纹鉴别向量与预存的该用户的标准声纹鉴别向量之间的空间距离，基于所述距离对该用户进行身份验证，并生成验证结果。

2.根据权利要求1所述的基于声纹识别的身份验证的方法，其特征在于，所述步骤S1包括：

S11，对所述语音数据进行预加重、分帧和加窗处理；

S12，对每一个加窗进行傅立叶变换得到对应的频谱；

S13，将所述频谱输入梅尔滤波器以输出得到梅尔频谱；

S14，在梅尔频谱上面进行倒谱分析以获得梅尔频率倒谱系数MFCC，基于所述梅尔频率倒谱系数MFCC组成对应的声纹特征向量。

3.根据权利要求1所述的基于声纹识别的身份验证的方法，其特征在于，所述步骤S3包括：

S31，计算所述当前声纹鉴别向量与预存的该用户的标准声纹鉴别向量之间的余弦距离：为所述标准声纹鉴别向量，为当前声纹鉴别向量；

S32，若所述余弦距离小于或者等于预设的距离阈值，则生成验证通过的信息；

S33，若所述余弦距离大于预设的距离阈值，则生成验证不通过的信息。

4.根据权利要求1至3任一项所述的基于声纹识别的身份验证的方法，其特征在于，所述背景信道模型为高斯混合模型，所述步骤S1之前包括：

获取预设数量的语音数据样本，并获取各语音数据样本对应的声纹特征，并基于各语音数据样本对应的声纹特征构建各语音数据样本对应的声纹特征向量；

将各语音数据样本对应的声纹特征向量分为第一比例的训练集和第二比例的验证集，所述第一比例及第二比例的和小于等于1；

利用所述训练集中的声纹特征向量对高斯混合模型进行训练，并在训练完成后，利用所述验证集对训练后的高斯混合模型的准确率进行验证；

若所述准确率大于预设阈值，则模型训练结束，以训练后的高斯混合模型作为所述步骤S2的背景信道模型，或者，若所述准确率小于等于预设阈值，则增加所述语音数据样本的数量，并基于增加后的语音数据样本重新进行训练。

5.根据权利要求1或2所述的基于声纹识别的身份验证的方法，其特征在于，所述步骤S3替换为：计算所述当前声纹鉴别向量与预存的各标准声纹鉴别向量之间的空间距离，获取最小的空间距离，基于所述最小的空间距离对该用户进行身份验证，并生成验证结果。

6.一种基于声纹识别的身份验证的系统，其特征在于，所述基于声纹识别的身份验证的系统包括：

第一获取模块，用于在接收到进行身份验证的用户的语音数据后，获取所述语音数据的声纹特征，并基于所述声纹特征构建对应的声纹特征向量；

构建模块，用于将所述声纹特征向量输入预先训练生成的背景信道模型，以构建出所述语音数据对应的当前声纹鉴别向量；

第一验证模块，用于计算所述当前声纹鉴别向量与预存的该用户的标准声纹鉴别向量之间的空间距离，基于所述距离对该用户进行身份验证，并生成验证结果。

7.根据权利要求6所述的基于声纹识别的身份验证的系统，其特征在于，所述第一获取模块具体用于对所述语音数据进行预加重、分帧和加窗处理；对每一个加窗进行傅立叶变换得到对应的频谱；将所述频谱输入梅尔滤波器以输出得到梅尔频谱；在梅尔频谱上面进行倒谱分析以获得梅尔频率倒谱系数MFCC，基于所述梅尔频率倒谱系数MFCC组成对应的声纹特征向量。

8.根据权利要求6所述的基于声纹识别的身份验证的系统，其特征在于，所述第一验证模块具体用于计算所述当前声纹鉴别向量与预存的该用户的标准声纹鉴别向量之间的余弦距离：为所述标准声纹鉴别向量，为当前声纹鉴别向量；若所述余弦距离小于或者等于预设的距离阈值，则生成验证通过的信息；若所述余弦距离大于预设的距离阈值，则生成验证不通过的信息。