[发明专利]一种智能语音识别方法

说明书

本发明提供了一种智能语音识别方法，该方法包括：步骤1：将短时功率和ZCR作特征区分静音和语音，进行端点检测；步骤2：将端点检测后的语音信号分割为多个等长帧；步骤3：通过音频功率的动态变化得到语音信号特征；步骤4：基于语音信号特征的比较结果进行智能POS机的用户身份认证。本发明提出了一种智能语音识别方法，实现了智能POS机终端身份认证数据本地存储、比对和运算，不需要配置硬件密码设备，也无需上传至支付平台，更具安全性。

技术领域

本发明涉及语音识别，特别涉及一种智能语音识别方法。

背景技术

目前销售终端的网络安全特别是智能POS机的安全性令人瞩目，通过智能POS机进行信息传递的安全问题日益受到人们的重视。在当前的智能POS机应用中，都是采用用户名、口令的用户认证，并且对智能POS机用户下发数字证书，并利用硬件密码终端私钥不可导出性，加强用户的身份安全。但任何形态的硬件密码设备都需在智能POS机外接实体设备，更降低了方案的易用性，增加了用户的操作复杂度。对于现有技术的指纹识别，识别信息需要传输，安全性受到挑战。如果支付平台存储的特征库发生损失，则无法进行身份认证。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种智能语音识别方法，包括：

步骤1：将短时功率和ZCR作特征区分静音和语音，进行端点检测；

步骤2：将端点检测后的语音信号分割为多个等长帧；

步骤3：通过音频功率的动态变化得到语音信号特征；

步骤4：基于语音信号特征的比较结果进行智能POS机的用户身份认证。

优选地，所述端点检测进一步包括：

检测前，先为短时功率和ZCR确定门限，然后连续计算短时功率及ZCR，调整门限，通过状态分析以判断静音段是否结束。

优选地，在端点检测中，将频带划分成4段，按照下式计算子带的功率比率SE：

其中：U_i和L_i分别表示子带i的上限频率和下限频率，i＝1，2，3，4；X(ω)表示信号在频率ω处的幅值；

如果某帧信号的功率ZCR低于门限，且4段子带的SE近似相等，则判断是静音段。

优选地，所述步骤2进一步包括：

将语音信号分割为R个等长非重叠帧，记为f_k＝{f_k(n)|n＝1，2，…，L/R；k＝1，2，…，R}，其中：L为语音信号长度；R为总帧数；f_k(n)为第k帧的第n个采样值。

优选地，所述步骤3进一步包括：

通过相邻帧及其相邻子带之间的功率差值计算音频功率的动态变化，包括对相邻子带作功率差分，再对相邻帧的差分功率求差值，进行阈值判断。

优选地，所述步骤4进一步包括：

在语音认证过程中，采用blackman距离度量语音信号的相似性，对于两个音频片段θ₁和θ₂，h₁记为语音信号θ₁的哈希索引值，h₂记为语音信号θ₂的哈希索引值；D记为h₁和h₂的正则化blackman距离D，即哈希索引值错误位数与总位数的比值，计算公式为：