本文選題：語音測謊 + 瞬時(shí)頻率��； 參考：《蘇州大學(xué)》2016年博士論文

【摘要】：本文的主要研究工作在于利用數(shù)字語音處理技術(shù)對謊言語音信號進(jìn)行分析與識別分類。將數(shù)字信號處理手段用于分析語音信號中所包含的豐富信息(比如語義、身份、情緒等),是計(jì)算機(jī)信息處理技術(shù)發(fā)展過程中所獲得的重要成果。在這些成果基礎(chǔ)之上,近年來開展的基于語音信號處理技術(shù)的心理生理計(jì)算研究是融合了心理生理學(xué)、信息與計(jì)算機(jī)科學(xué)等諸多學(xué)科領(lǐng)域的綜合性課題。謊言檢測是心理生理信息計(jì)算中的重要分支,而目前主流的測謊手段以腦電信號處理(P300信號分析)與腦成像分析(大腦的功能磁共振成像,Functional Magnetic Resonance Imaging,FMRI)為主,這些手段以腦部信息記憶機(jī)理等生理學(xué)研究成果為支撐,在一定程度上獲得了較好的效果。但此類方法對于某些缺少記憶信息的應(yīng)用將會(huì)失效,且更為重要的一點(diǎn)是此類測謊方法使用過程較為繁瑣,且需要被測者一定程度的配合,導(dǎo)致在很多應(yīng)用場合的不適用。目前,腦電與腦成像測謊的結(jié)果只能在刑偵與司法領(lǐng)域作為參考依據(jù)。近年來,視頻分析理論的成熟推動(dòng)了基于面部表情分析說謊狀態(tài)識別研究,概率圖模型理論的發(fā)展也為自然語言分析謊言檢測提供了更多的發(fā)展空間,而語言聲學(xué)、聽覺語音學(xué)、語言生理學(xué)研究的進(jìn)一步深入,使得基于語音處理的謊言檢測再次受到各國研究學(xué)者的重視。心理壓力評估(Psychological Stress Evaluators,PSE),語音緊張度分析(Voice Stress Analyzers,VSA)和多層次語音分析技術(shù)(Layered Voice Analysis,LVA)等研究工作在數(shù)字信號處理理論的發(fā)展下有了新的意義,但是大部分謊言檢測系統(tǒng)的正確率都只在60%-70%之間。隨著各方面工作的深入,阻礙語音測謊技術(shù)發(fā)展的桎梏也逐漸顯現(xiàn):1、沒有針對謊言檢測的語音特征參數(shù),導(dǎo)致原本就極為微弱的謊言信息無法被突出;2、識別模型缺乏創(chuàng)新,使得人在說謊時(shí)的時(shí)間動(dòng)態(tài)特性沒有充分考慮。鑒于謊言語音識別中尚存在的諸多問題,本文開展了關(guān)于謊言語音檢測可計(jì)算性、匹配特征表達(dá)及時(shí)序建模等研究工作,具體內(nèi)容如下:1、統(tǒng)計(jì)各類特征參數(shù)在正常語音和謊言中的分布,提出分布差異度函數(shù),并證明了謊言信息在語音信號中的存在性,也表明基于語音測謊的可行性。鑒于現(xiàn)有相關(guān)研究成果中關(guān)于語音測謊可行性計(jì)算的缺失,本文首先采用分布統(tǒng)計(jì)手段對多種語音信號特征進(jìn)行分析,并提出分布差異度函數(shù),量化計(jì)算正常語音與謊言語音在特征分布上的差異,并由信息量估計(jì)證明了謊言信息在語音信號中的存在性,為基于語音技術(shù)的謊言檢測提供可行性依據(jù)。2、提出基于語音信號聽覺頻段瞬時(shí)頻率特征的謊言識別方法,突出了不同頻段信號的頻率細(xì)節(jié)特征,增強(qiáng)了說謊狀態(tài)下特征參數(shù)關(guān)于語音異變的敏感度,從而提高謊言檢測正確率。人在說謊時(shí)由于情緒緊張會(huì)導(dǎo)致發(fā)音器官變化,從而影響語音表達(dá),這是語音測謊的主要生理依據(jù)。相關(guān)研究成果表明,基于聽覺機(jī)理的聲信號處理方法適合用于處理此類問題。本課題利用聽覺Gammatone濾波器組對語音信號進(jìn)行分解,提出利用格型迭代算法估計(jì)各個(gè)頻段信號的瞬時(shí)頻率,通過瞬時(shí)頻率的變化表征人體發(fā)音器官在正常說話與說謊狀態(tài)下的差異,強(qiáng)化謊言信息在語音信號中的比重,并利用數(shù)學(xué)模型予以分類識別。結(jié)果表明聽覺瞬時(shí)頻率特征的引入使得個(gè)體謊言語音檢測正確率提高2%-10%左右。3、提出分?jǐn)?shù)階Mel倒譜系數(shù)(Fractional Mel Cepstral Coefficient,Fr CC)為特征參數(shù)的謊言語音檢測方法,在保留語音特征穩(wěn)健性的基礎(chǔ)上強(qiáng)化了說話人的個(gè)性特征,進(jìn)一步提高個(gè)體謊言識別率。由于謊言信息極為微弱,故檢測參數(shù)既要對謊言信息有足夠的敏感度,同時(shí)又要具有較高的魯棒性。而本課題提出的Fr CC參數(shù),利用分?jǐn)?shù)階分析方法對MFCC參數(shù)進(jìn)行了優(yōu)化,既保留了MFCC參數(shù)對語音信息表達(dá)的穩(wěn)健性能,也體現(xiàn)了語音信號的相位信息,使得說話人的個(gè)性特征能夠被保留,說謊狀態(tài)也更容易被發(fā)現(xiàn)。實(shí)驗(yàn)結(jié)果表明Fr CC參數(shù)的引入,對于提高謊言語音的檢測正確率起到了明顯的促進(jìn)作用。4、建立基于多尺度條件隨機(jī)場(Multi-scale Conditional Random Fields,MCRF)的謊言檢測時(shí)序模型,實(shí)現(xiàn)多層特征抽象到心理生理狀態(tài)映射機(jī)制,使得謊言檢測系統(tǒng)的性能得到顯著提高。MCRF實(shí)現(xiàn)了從語音信號的聲學(xué)特征提取,到韻律層信息抽象,再到心理生理層狀態(tài)鏈估計(jì)的一體化模型,該模型拓展了語音信號的全局上下文相關(guān)信息,彌補(bǔ)了語音信號中謊言信息量較為微弱的缺點(diǎn),實(shí)現(xiàn)了謊言語音信號的時(shí)序建模工作,最終的平均識別正確率達(dá)到75%以上。這些工作可以作為基于語音處理的謊言檢測的參數(shù)和模型方面的初步研究成果,同時(shí)也為數(shù)字信號處理領(lǐng)域的人體心理生理計(jì)算研究提供一定的基礎(chǔ)。
[Abstract]:In recent years , the development of speech signal processing technology is an important branch in the development of digital signal processing . This paper analyzes the characteristics of speech signals by using the method of fractional order analysis . The results show that the method of acoustic signal processing based on auditory mechanism can improve the accuracy of speech recognition . The model expands the global context - related information of the speech signal , makes up the defect that the information amount is weak in the speech signal , realizes the timing modeling of the lie voice signal , and the final average recognition accuracy reaches over 75 % . The work can be used as a preliminary research result in the parameters and models of the lie detection based on the speech processing , and also provides a certain basis for the research of human mental physiology in the field of digital signal processing .

【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TN912.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 黃力行;辛樂;趙禮悅;陶建華;;自適應(yīng)權(quán)重的雙模態(tài)情感識別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S1期

，

本文編號：1867340