聲紋識別原理

聲(sheng)(sheng)(sheng)紋是用(yong)電聲(sheng)(sheng)(sheng)學(xue)儀(yi)器顯(xian)示的(de)(de)攜帶言(yan)語(yu)信息的(de)(de)聲(sheng)(sheng)(sheng)波頻譜。人(ren)類語(yu)言(yan)的(de)(de)產生是人(ren)體語(yu)言(yan)中樞與發(fa)(fa)音器官之間一(yi)個(ge)(ge)復雜的(de)(de)生理物理過程(cheng)，人(ren)在講話時使用(yong)的(de)(de)發(fa)(fa)聲(sheng)(sheng)(sheng)器官--舌、牙齒、喉(hou)頭、肺、鼻腔在尺寸和形態方(fang)面每個(ge)(ge)人(ren)的(de)(de)差異(yi)很大，所(suo)以(yi)任何兩(liang)個(ge)(ge)人(ren)的(de)(de)聲(sheng)(sheng)(sheng)紋圖(tu)譜都有差異(yi)。這也使得(de)聲(sheng)(sheng)(sheng)紋識別(bie)也可(ke)以(yi)稱為身份(fen)認證的(de)(de)一(yi)種方(fang)式。

該圖片由注冊用戶"知識君"提供，版權聲明反饋

聲紋識別優缺點

1、聲(sheng)紋識別(bie)的優勢在(zai)于(yu)：

（1）聲紋提(ti)取方便，可在不(bu)知不(bu)覺中(zhong)完成，因此使用者的接受(shou)程(cheng)度也高；

（2）獲取語音的識別成本低廉，使用簡單，一個(ge)麥(mai)克(ke)風即可，在使用通訊(xun)設備時更(geng)無(wu)需額外的錄音設備；

（3）適合遠程身份確認，只需要一個麥克風或電話、手機就(jiu)可以通(tong)過網(wang)路（通(tong)訊(xun)網(wang)絡(luo)(luo)或互聯網(wang)絡(luo)(luo)）實現遠(yuan)程(cheng)登錄；

（4）聲(sheng)紋(wen)辨認和(he)確認的算法復雜度低；

（5）配合(he)一(yi)些其他措施(shi)，如通(tong)過語音識別進(jin)行內容(rong)鑒別等，可以提高(gao)準確率(lv)。這些優勢使得聲紋識別的應(ying)用越來越受到系統開發者和(he)用戶青睞。

2、聲紋識(shi)別(bie)的缺(que)點：

當然，聲(sheng)紋識別(bie)的應用有(you)一些缺點，比(bi)如(ru)同(tong)一個人的聲(sheng)音具有(you)易(yi)變性，易(yi)受身(shen)體(ti)狀況、年齡、情緒等的影響；比(bi)如(ru)不同(tong)的麥克風和信道對識別(bie)性能(neng)有(you)影響；比(bi)如(ru)環境噪音對識別(bie)有(you)干擾；又比(bi)如(ru)混合說話人的情形下(xia)人的聲(sheng)紋特征不易(yi)提取(qu)等等。

聲紋識別的過程

聲(sheng)紋(wen)識別的過程包括：語(yu)音信(xin)號處理、聲(sheng)紋(wen)特征提取、聲(sheng)紋(wen)建模、聲(sheng)紋(wen)比對、判(pan)別決策(ce)等(deng)。

聲紋識別匹配模式

聲紋(wen)識別技(ji)術的(de)關(guan)鍵在于對(dui)各(ge)種(zhong)聲學(xue)特征參數進行(xing)處理，并確定模式(shi)匹(pi)配(pei)方法，主要(yao)的(de)模式(shi)匹(pi)配(pei)方法包括：

1、模(mo)板匹配方法：利用(yong)動態時(shi)間(jian)彎折(zhe)（DTW）以(yi)對準訓練和測試特(te)征序(xu)列，主要(yao)用(yong)于固定詞組的應(ying)用(yong)（通常為文本相關(guan)任務）；

2、最近(jin)鄰(lin)方法：訓練(lian)時(shi)保留所有特征矢(shi)量(liang)(liang)，識別(bie)(bie)時(shi)對每個矢(shi)量(liang)(liang)都找到訓練(lian)矢(shi)量(liang)(liang)中(zhong)最近(jin)的K個，據(ju)此進行識別(bie)(bie)，通常模型存儲和相似計算(suan)的量(liang)(liang)都很(hen)大(da)；

3、神經網絡方法：有很多種形式(shi)，如多層(ceng)感(gan)知、徑向基(ji)函數（RBF）等，可以顯式(shi)訓練以區(qu)分(fen)說話(hua)人和(he)其背(bei)景(jing)說話(hua)人，其訓練量很大，且模(mo)型的可推廣性不好；

5、VQ聚類方法(fa)(fa)（如LBG）：效果比較好，算法(fa)(fa)復雜度也(ye)不(bu)高，和HMM方法(fa)(fa)配合起來(lai)更(geng)可以收(shou)到更(geng)好的效果；

6、多項式分類器方法：有較高的精度，但模型(xing)存儲和計算量(liang)都比較大；

此外(wai)還有(you)概率統計(ji)方法、動態時(shi)間規整(zheng)方法、矢量量化方法等等。

聲紋識別技術的難點

目前，聲紋識別技(ji)術的市場應用(yong)并(bing)不廣泛,，但并(bing)非這項技(ji)術本身(shen)(shen)不成熟(shu)，而是(shi)由于(yu)實際商業應用(yong)場景的復雜(za)性，很可能導致(zhi)身(shen)(shen)份(fen)識別產生較大誤差。

首先，說話(hua)人的語音聲學特征不可避免地具有發(fa)展性(xing)和變(bian)異性(xing)，既便是(shi)同(tong)一個人，即便采集到的兩段語音內容都是(shi)相(xiang)同(tong)的，但是(shi)在不同(tong)的時期或(huo)特殊的情境下，由于情緒(xu)、語速、疲(pi)勞(lao)程度等原(yuan)因，聲紋特征也不盡一致；

其次，聲紋(wen)特征提取是(shi)在(zai)現實環境中進行的，如何降噪(zao)以(yi)及去(qu)混(hun)響依然(ran)是(shi)聲紋(wen)識別的一(yi)大(da)難題。在(zai)外部(bu)環境中，各(ge)種(zhong)噪(zao)音都會通過錄音設備采(cai)集進來，這(zhe)些噪(zao)音會在(zai)一(yi)定程度上(shang)混(hun)淆(xiao)或者(zhe)淹(yan)沒說話(hua)人(ren)信息(xi)，使得聲紋(wen)系(xi)統(tong)無法獲取準(zhun)確的說話(hua)人(ren)聲紋(wen)特征。因(yin)此(ci)，應用(yong)聲紋(wen)識別技術的產品大(da)多適合在(zai)相對安靜的場合使用(yong)。