[发明专利]基于DTW和GMM模型的多维特征参数声纹识别方法

说明书

一种基于DTW和GMM模型的多维特征参数声纹识别方法，包括如下步骤：S1、语音信号采样，S2、语音信号预处理，S3、语音信号特征参数提取，S4、语音信号模型训练，S5、待识别语音信号匹配识别。本发明通过在MFCC的基础上引入基音周期的方式，构造出经过改进的多维特征参数，不仅有效地提升了声纹识别的识别率，而且也避免了现有技术中因单独使用MFCC参数所造成的易被模仿的缺陷。同时，本发明采用了两步匹配识别算法，第一步运用DTW法部分匹配基音周期这个特征参数，进行初步识别，筛选掉数据库中不匹配的模板；第二步运用GMM匹配识别MFCC参数，从而在不影响识别率的前提下，极大缩减匹配识别的时间。

技术领域

本发明涉及一种声纹识别方法，尤其涉及一种基于DTW和GMM模型的多维 特征参数声纹识别方法，属于信号识别与处理领域。

背景技术

随着信息技术的快速发展和迅速普及，信息安全问题越来越受到人们的关 注，如何快速、准确地认证使用者的身份，保护个人隐私和保障信息安全，也 日益成为目前信息安全领域亟待解决的一个重要问题。与传统身份认证方式相 比，生物特征识别身份认证技术在使用过程中具有不会丢失、被盗或遗忘的特 性，通过生物特征来进行身份认证，不仅认证过程快捷、方便，而且认证结果 也十分准确、可靠。

在种类繁多的生物特征识别技术中，声纹识别技术可以称得上是当前最热 门的生物特征识别技术之一，由于其在远程认证等应用领域中具有独特优势， 因此受到了业内的持续关注。

声纹识别又可以称作说话人识别，简单来说，其基本原理是把待检测的说 话人和已经建立的说话人库中所有的语音信号进行比较，并加以判断，确立是 否为其中一员。目前，大多数的声纹识别系统一般都只提取梅尔倒谱系数作为 说话人语音信号的特征参数，并用高斯混合模型作为模型对语音信号的进行训 练和识别。

例如中国专利CN102324232A揭示了一种基于高斯混合模型的声纹识别方法 及系统，步骤包括：语音信号采集；语音信号预处理；语音信号特征参数提 取：采用梅尔频率倒谱系数(MFCC)，MFCC的阶数通常取为12～16；模型训练： 采用EM算法为说话人的语音信号特征参数训练高斯混合模型(GMM)，模型的参 数初始化方法选用k-means算法；声纹辨识：将采集到的待识别语音信号特征 参数与已建立的说话人语音模型进行比较，并根据最大后验概法进行判断，若 对应的说话人模型使得待识别的话者语音特征向量X具有最大的后验概率，则 识别出说话人。

虽然上述技术方案具备一定的识别性能和抗噪能力，但是仍然存在着诸多 不足。具体而言，梅尔倒谱系数(MFCC)虽然可以描述语音频率结构的时间变化 信息，反应出声道运动的动态特征(发音方式、发音习惯等)，但是其描述的 特征很容易被模仿，在应用过程中很容易出现误判情况。此外，使用高斯混合 模型(GMM)来表述说话人样本在声学特征空间中的分布,虽然在语音信号的训 练和匹配识别研究中取得了很好的效果，但是其计算量较大，所需要的匹配识 别时间一般都很长，这一点在实际的应用过程中也会是一项缺陷。

为了应对和解决上述问题，技术人员开始尝试将动态时间规整法(DTW) 应用于声纹识别中，动态时间规整法可以把两个不同长度的语音信号的特征进 行时间上的“对齐”，进而计算其最短路径，来判断两个语音是否相似。但是 目前，将这一技术应用于声纹识别还处于理论阶段，仍存在着诸多的不完善。

综上所述，人们亟待一种能够充分利用DTW模型、实现识别正确率和匹配 识别时间共同优化的声纹识别方法，以满足实际的使用需要。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于DTW和GMM模型 的多维特征参数声纹识别方法。

一种基于DTW和GMM模型的多维特征参数声纹识别方法，包括如下步骤：

S1、语音信号采样，对训练语音和来自说话人的待识别语音进行采样收 集；