【摘要】：說話人識(shí)別是一類基礎(chǔ)問題,該問題可以細(xì)分為兩類:說話人辨別問題和說話人確認(rèn)問題。根據(jù)對語音文本的依賴程度不同,說話人識(shí)別又分為文本相關(guān)型、文本無關(guān)型、文本提示型。識(shí)別說話人包括訓(xùn)練/登記和測試/驗(yàn)證兩個(gè)階段,訓(xùn)練階段建立合法說話人(即目標(biāo)說話人)特征模板,測試階段則計(jì)算待識(shí)別說話人的測試語音數(shù)據(jù)與合法說話人特征模板的相似度,并得出判斷結(jié)果。在最近20多年的研究中,說話人識(shí)別普遍關(guān)注語音信號(hào)的音源,發(fā)音系統(tǒng),韻律特征。而語音中的呼吸信號(hào)在研究中并沒有受到關(guān)注,甚至將其作為噪音項(xiàng)進(jìn)行剔除。通過本文的觀察和研究發(fā)現(xiàn),呼吸信號(hào)具有其獨(dú)特性,是呼吸系統(tǒng)意義上的生理指紋。它是人體自然而然產(chǎn)生的,持續(xù)時(shí)間短,發(fā)生頻率低且處理簡單,呼吸特征是人體與生俱來的,具有唯一,穩(wěn)定的特點(diǎn)�；诤粑盘�(hào)的這些特點(diǎn),本文提出了一種基于呼吸特征的說話人識(shí)別方案—“BreathID”,它具有文識(shí)別準(zhǔn)確率高、文本無關(guān)、輕量級且可實(shí)現(xiàn)對用戶透明的優(yōu)點(diǎn)�！癇reath ID”分為3個(gè)部分:呼吸邊界分離,特征提取和選擇,特征匹配。本文通過CDF統(tǒng)計(jì)分析和實(shí)證研究,選擇梅爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficients,簡稱MFCC)作為說話人的呼吸特征。文中提出了基于一組簡單向量操作的輕量級的分類算法,最后通過該分類算法進(jìn)行相似度匹配,做出說話人決策�！癇reath ID”的實(shí)驗(yàn)分為兩個(gè)部分,第一部分是對50個(gè)用戶收集數(shù)據(jù)進(jìn)行實(shí)驗(yàn),評估“BreathID”的總體性能。實(shí)驗(yàn)結(jié)果如下:說話人辨別實(shí)驗(yàn)中,方案的錯(cuò)誤辨別率(False Identification Rate:簡稱FIR)為0.04%;說話人確認(rèn)實(shí)驗(yàn)中,方案的錯(cuò)誤接受率(False Acceptance Rate:簡稱FAR)為0.12%,錯(cuò)誤拒絕率(False Rejection Rate:簡稱FAR)為0.15%。第二部分通過另外20個(gè)用戶的數(shù)據(jù)在不同的實(shí)用場景中對“BreathID”的一致性進(jìn)行評估,包括文本無關(guān)性,用戶狀態(tài)(靜坐和走路),錄音設(shè)備(3個(gè)智能手機(jī)和2個(gè)商業(yè)麥克風(fēng)),錄音周期(8個(gè)月),語言(中文和英文),攻擊(重放攻擊)。
[Abstract]:Speaker recognition is a basic problem, which can be subdivided into two categories: speaker identification problem and speaker confirmation problem. According to the different degree of dependence on phonetic text, speaker recognition can be divided into text correlation type, text independent type and text prompt type. The identification of the speaker consists of two stages: training / registration and testing / verification. In the training stage, the legal speaker (i.e. the target speaker) feature template is established. In the testing stage, the similarity between the test speech data and the legal speaker feature template is calculated, and the judgment results are obtained. In the past 20 years, speaker recognition has focused on phonetic sources, pronunciation systems and prosodic features of speech signals. However, the respiratory signals in speech have not been paid attention to, and even eliminated as noise terms. It is found that respiratory signals are unique and physiological fingerprints in the sense of respiratory system. It is naturally produced by the human body, with short duration, low frequency of occurrence and simple handling. The breathing characteristics are inherent to the human body and have unique and stable characteristics. Based on these characteristics of respiratory signals, this paper proposes a speaker recognition scheme based on respiratory characteristics, called "BreathID", which has the advantages of high accuracy of text recognition and text independence. "Breath ID" is divided into three parts: respiratory boundary separation, feature extraction and selection, and feature matching. Based on CDF statistical analysis and empirical study, Mel frequency cepstrum coefficient (Mel Frequency Cepstral Coefficients, (MFCC) is chosen as the breathing feature of the speaker. In this paper, a lightweight classification algorithm based on a set of simple vector operations is proposed. Finally, the classification algorithm is used to match the similarity and make the speaker decision. The experiment of "Breath ID" is divided into two parts. The first part is an experiment of 50 users collecting data to evaluate the overall performance of BreathID. The experimental results are as follows: in the speaker discrimination experiment, the error discrimination rate (False Identification Rate:) of the scheme is 0.04, the error acceptance rate (FAR) of the scheme is 0.12 and the error rejection rate (FAR) is 0.15. The second part evaluates the consistency of "BreathID" in different practical scenarios using data from another 20 users, including text independence. User status (sit-in and walk), recording device (3 smartphones and 2 commercial microphones), recording cycle (8 months), language (Chinese and English), attack (replay attack).
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN912.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉文舉,孫兵,鐘秋海;基于說話人分類技術(shù)的分級說話人識(shí)別研究[J];電子學(xué)報(bào);2005年07期

2 丁輝;唐振民;錢博;李燕萍;;易擴(kuò)展小樣本環(huán)境說話人辨認(rèn)系統(tǒng)的研究[J];系統(tǒng)仿真學(xué)報(bào);2008年10期

3 劉明輝;黃中偉;熊繼平;;用于說話人辨識(shí)的評分規(guī)整[J];計(jì)算機(jī)工程與應(yīng)用;2010年12期

4 陳雪芳;楊繼臣;;一種三層判決的說話人索引算法[J];計(jì)算機(jī)工程;2012年02期

5 楊繼臣;何俊;李艷雄;;一種基于性別的說話人索引算法[J];計(jì)算機(jī)工程與科學(xué);2012年06期

6 何致遠(yuǎn),胡起秀,徐光yP;兩級決策的開集說話人辨認(rèn)方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

7 殷啟新,韓春光,楊鑒;基于掌上電腦錄音的說話人辨認(rèn)[J];云南民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年04期

8 呂聲,尹俊勛;同語種說話人轉(zhuǎn)換的實(shí)現(xiàn)[J];移動(dòng)通信;2004年S3期

9 董明,劉加,劉潤生;快速口音自適應(yīng)的動(dòng)態(tài)說話人選擇性訓(xùn)練[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年07期

10 曹敏;王浩川;;說話人自動(dòng)識(shí)別技術(shù)研究[J];中州大學(xué)學(xué)報(bào);2007年02期

相關(guān)會(huì)議論文 前10條

1 司羅;胡起秀;金琴;;完全無監(jiān)督的雙人對話中的說話人分隔[A];第九屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

2 金乃高;侯剛;王學(xué)輝;李非墨;;基于主動(dòng)感知的音視頻聯(lián)合說話人跟蹤方法[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

3 馬勇;鮑長春;夏丙寅;;基于辨別性深度信念網(wǎng)絡(luò)的說話人分割[A];第十二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC'2013）論文集[C];2013年

4 白俊梅;張樹武;徐波;;廣播電視中的目標(biāo)說話人跟蹤技術(shù)[A];第八屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2005年

5 索宏彬;劉曉星;;基于高斯混合模型的說話人跟蹤系統(tǒng)[A];第八屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2005年

6 羅海風(fēng);龍長才;;多話者環(huán)境下說話人辨識(shí)聽覺線索研究[A];中國聲學(xué)學(xué)會(huì)2009年青年學(xué)術(shù)會(huì)議[CYCA’09]論文集[C];2009年

7 王剛;鄔曉鈞;鄭方;王琳琳;張陳昊;;基于參考說話人模型和雙層結(jié)構(gòu)的說話人辨認(rèn)快速算法[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

8 李經(jīng)偉;;語體轉(zhuǎn)換與角色定位[A];全國語言與符號(hào)學(xué)研究會(huì)第五屆研討會(huì)論文摘要集[C];2002年

9 王剛;鄔曉鈞;鄭方;王琳琳;張陳昊;;基于參考說話人模型和雙層結(jié)構(gòu)的說話人辨認(rèn)[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集（二）[C];2011年

10 何磊;方棣棠;吳文虎;;說話人聚類與模型自適應(yīng)結(jié)合的說話人自適應(yīng)方法[A];第六屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2001年

相關(guān)重要報(bào)紙文章 前4條

1 ;做一名積極的傾聽者[N];中國紡織報(bào);2003年

2 唐志強(qiáng);不聽別人說話,也能模仿其口音[N];新華每日電訊;2010年

3 黃惠慧（南京師范大學(xué)附屬揚(yáng)子中學(xué)）;高考聽力要求及對策[N];中國教育資訊報(bào);2002年

4 西安郵電學(xué)院 王娜;企業(yè)IP電話解決方案探討[N];通信信息報(bào);2005年

相關(guān)博士學(xué)位論文 前10條

1 李洪儒;語句中的說話人形象[D];黑龍江大學(xué);2003年

2 李威;多人會(huì)話語音中的說話人角色分析[D];華南理工大學(xué);2015年

3 楊繼臣;說話人信息分析及其在多媒體檢索中的應(yīng)用研究[D];華南理工大學(xué);2010年

4 鄭建煒;基于核方法的說話人辨認(rèn)模型研究[D];浙江工業(yè)大學(xué);2010年

5 呂聲;說話人轉(zhuǎn)換方法的研究[D];華南理工大學(xué);2004年

6 陳凌輝;說話人轉(zhuǎn)換建模方法研究[D];中國科學(xué)技術(shù)大學(xué);2013年

7 玄成君;基于語音頻率特性抑制音素影響的說話人特征提取[D];天津大學(xué);2014年

8 李燕萍;說話人辨認(rèn)中的特征參數(shù)提取和魯棒性技術(shù)研究[D];南京理工大學(xué);2009年

9 徐利敏;說話人辨認(rèn)中的特征變換和魯棒性技術(shù)研究[D];南京理工大學(xué);2008年

10 王堅(jiān);語音識(shí)別中的說話人自適應(yīng)研究[D];北京郵電大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉玲霜;基于語音信號(hào)處理的呼吸認(rèn)證方法研究[D];電子科技大學(xué);2017年

2 楊浩;基于廣義音素的文本無關(guān)說話人認(rèn)證的研究[D];北京郵電大學(xué);2008年

3 史夢潔;構(gòu)式“沒有比X更Y的（了）”研究[D];上海師范大學(xué);2015年

4 魏君;“說你什么好”的多角度研究[D];河北大學(xué);2015年

5 解冬悅;互動(dòng)韻律：英語多人沖突性話語中說話人的首音模式研究[D];大連外國語大學(xué);2015年

6 朱韋巍;揚(yáng)州街上話語氣詞研究[D];南京林業(yè)大學(xué);2015年

7 蔣博;特定目標(biāo)說話人的語音轉(zhuǎn)換系統(tǒng)設(shè)計(jì)[D];電子科技大學(xué);2015年

8 王雅丹;漢語反語研究[D];南昌大學(xué);2015年

9 陳雨鶯;基于EMD的說話人特征參數(shù)提取方法研究[D];湘潭大學(xué);2015年

10 單燕燕;變音環(huán)境下魯棒性說話人辨認(rèn)關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

，

本文編號(hào)：2258639