語(yǔ)音聲紋密碼驗(yàn)證技術(shù)研究.pdf

1、語(yǔ)音聲紋密碼是采用語(yǔ)音段中的文本信息和說(shuō)話人信息對(duì)用戶信息進(jìn)行雙重加密的技術(shù)。因此具有較好的安全性和便捷性，在銀行、公安、智能家居等領(lǐng)域都有廣泛的應(yīng)用。但是在實(shí)際應(yīng)用中，傳統(tǒng)的語(yǔ)音聲紋密碼識(shí)別仍然面臨著密碼泄露、特征冗余、抗干擾性差等方面所帶來(lái)的挑戰(zhàn)。
　　傳統(tǒng)的語(yǔ)音聲紋密碼識(shí)別屬于文本相關(guān)的聲紋識(shí)別任務(wù)。由于密碼文本是固定的，容易遺忘和泄露，因此安全性不高。針對(duì)這個(gè)問(wèn)題，本文采用文本提示型的語(yǔ)音聲紋密碼識(shí)別方案。用戶每次登陸系統(tǒng)

2、時(shí)系統(tǒng)會(huì)提示輸入的動(dòng)態(tài)密碼，用戶根據(jù)提示文本說(shuō)出密碼語(yǔ)音。這種方法安全性雖然高但動(dòng)態(tài)聲紋密碼識(shí)別屬于文本無(wú)關(guān)的聲紋識(shí)別任務(wù)其聲紋識(shí)別性能相對(duì)較低。針對(duì)以上各個(gè)問(wèn)題，本文主要從以下幾個(gè)方面來(lái)提升文本提示型語(yǔ)音聲紋密碼的識(shí)別率。
　　首先，語(yǔ)音聲紋密碼識(shí)別系統(tǒng)包含語(yǔ)音密碼識(shí)別和聲紋密碼識(shí)別兩個(gè)部分。因此系統(tǒng)前端需要一個(gè)識(shí)別率相對(duì)較高的語(yǔ)音識(shí)別系統(tǒng)來(lái)驗(yàn)證用戶所說(shuō)密碼是否正確。傳統(tǒng)基于GMM-HMM的語(yǔ)音密碼識(shí)別系統(tǒng)識(shí)別率相對(duì)較低難以滿足

3、安全性要求，因此本文采用識(shí)別性能更好的DNN-HMM語(yǔ)音密碼識(shí)別系統(tǒng)。
　　第二、傳統(tǒng)聲紋識(shí)別中采用的聲學(xué)特征（如MFCC，PLP等特征）包含的主要是文本信息和信道信息，說(shuō)話人信息屬于其中的弱信息。聲紋密碼識(shí)別性能極易受到語(yǔ)音信號(hào)中的文本、信道以及噪聲等干擾信息的影響。針對(duì)這個(gè)問(wèn)題，本文利用深度神經(jīng)網(wǎng)絡(luò)的特征提取能力提出一種基于深度神經(jīng)網(wǎng)絡(luò)的說(shuō)話人信息提取方法。采用該方法提取出的說(shuō)話人信息相對(duì)傳統(tǒng)聲學(xué)特征具有更好的說(shuō)話人區(qū)分能力。

4、
　　第三、同樣針對(duì)傳統(tǒng)聲學(xué)特征中包含的冗余信息，本文進(jìn)一步采用特征端因子分析的方法來(lái)去除聲學(xué)特征中的冗余干擾信息。傳統(tǒng)的特征端因子分析方法是在高斯混合模型的每個(gè)高斯上借用因子分析思想來(lái)對(duì)特征降維。但GMM模型屬于無(wú)監(jiān)督的聚類算法，其每個(gè)高斯成分物理意義不夠明確無(wú)法與具體的發(fā)音文本信息相對(duì)應(yīng)。為解決這一問(wèn)題，本文在特征端因子分析中利用語(yǔ)音識(shí)別中的聲學(xué)模型深度神經(jīng)網(wǎng)絡(luò)取代高斯混合模型，分別對(duì)不同音素上的語(yǔ)音特征進(jìn)行分類然后在每個(gè)音素

5、子空間內(nèi)實(shí)現(xiàn)對(duì)特征降維，提取出說(shuō)話人信息并用于提取DNNi-vector。接著在基于DNN的說(shuō)話人信息提取中，本文采用基于DNN的特征端因子分析取代LDA對(duì)每幀語(yǔ)音的隱層輸出超矢量進(jìn)行降維。
　　最后根據(jù)文本提示型的聲紋密碼識(shí)別的特點(diǎn)，本文提出分?jǐn)?shù)字建模聲紋密碼識(shí)別方案。針對(duì)數(shù)字聲紋密碼中的每個(gè)數(shù)字分別訓(xùn)練一個(gè)聲紋識(shí)別模型。注冊(cè)和測(cè)試時(shí)匹配同時(shí)出現(xiàn)的數(shù)字進(jìn)行測(cè)試，將文本無(wú)關(guān)聲紋密碼識(shí)別任務(wù)轉(zhuǎn)化為文本相關(guān)聲紋密碼識(shí)別任務(wù)。本文實(shí)驗(yàn)采