基于Android的聲紋身份驗證系統的研究與實現.pdf

1、古人云:“未見其人，先聞其聲”。這句話的含義是人們可以根據一個人的聲音來辨別這個人的身份。因此，這里的聲音可以被認為是一個人特有的生物特征，我們稱之為“聲紋”。聲紋識別又叫說話人識別，它是通過對說話人的語音進行分析，然后對說話人的身份進行識別或判斷的技術。在司法鑒定、安全認證、智能家居等領域，聲紋識別技術得到了廣泛的應用，也因此受到了國內外語音信號處理研究者們的很大關注。
　　近年來，隨著智能移動終端的普及和移動互聯網的迅速發(fā)展，

2、基于移動平臺的聲紋識別應用將會有更廣闊的發(fā)展空間。同時，由Google帶領開發(fā)的Android操作系統因其出色的系統性能、簡便的開發(fā)方法和良好的可移植性等原因，成為市場占有率最高的移動智能操作系統。因此，本文對聲紋識別技術中的一個重要方向——說話人確認方面的相關技術以及其在Android系統上的實現進行了深入研究。
　　一個基本的聲紋身份確認系統主要由說話者聲音特征提取模塊、說話者語音模型訓練模塊以及對待測語音測試判決模塊組成。語

3、音特征的提取模塊主要是解決如何從語音信號中提取出可以代表說話者聲音特征的語音特征參數。語音模型的訓練模塊主要是使用說話者特征向量和特定的模型訓練出最能代表說話者聲音特性的模型參數。而對測試語音的測試和判決模塊就是把帶測試語音信號與所聲明說話者的模型進行對比評分，從而判定該測試語音是否是由所聲明的說話人發(fā)出的。本文在對以上三個主要方面的技術進行了了解和分析的基礎上，重點研究以下三個方面內容:
　　1.語音特征提取技術:本文對目前采用

4、比較廣泛的梅爾倒譜系數(MFCC)參數的提取進行了研究。對其存在的缺點以及不足進行了總結，然后對傳統的MFCC參數進行了改進。改進后的MFCC參數主要在傳統MFCC參數的基礎上增加了一階、二階動態(tài)MFCC參數，同時將MFCC參數的高階系數進行了余弦提升，得到一個改進的MFCC特征參數組合。
　　2.語者建模和測試判決方法:本文的建模和測試方法基于高斯混合模型(GMM)的通用背景模型(UBM)以及最大化后驗概率(MAP)，并且重點針

5、對移動平臺應用的特性，對如何提高測試判決階段的計算效率進行了研究。本文主要研究了兩種提高計算效率的方法:一種是直觀地減少測試語音時長;另一種是本文提出的根據閾值對高斯份量進行選擇再做評分計算的快速評分方法。
　　3.基于Android系統的原型實現:主要研究如何在Android平臺將聲紋確認系統實現。本文對系統的功能、用戶界面、數據庫等必要組成部分進行了設計。在復雜功能的實現上，將語音特征提取、說話者建模等功能封裝在動態(tài)鏈接庫中，