聲紋鑒定自動識別系統介紹

隨著研究手段和工具的不斷改進，說話人識別的研究逐漸擺脫了早期單純的人耳聽辨模式。

Bell實驗室的 L?G?Kesta用目視觀察語譜圖的方法進行識別，并提出了“聲紋”的概念。

　　“聲紋鑒定與自動識別技術研究”項目由公安部物證鑒定中心等單位完成，其主要研究成果是將聲紋自動識別功能植入VS99語音工作站，該系統能對說話人特征進行自動分析、判斷和語圖顯示及測量，并可結合專家鑒定以確定說話人身份，適合于法庭科學實際應用。本項目研制出當前聲紋鑒定工作中非常實用的集聲譜儀和說話人自動識別系統為一體的語音工作站，大大提高了結論的準確率，為聲紋鑒定提供了一個實用系統。

　　◆創新技術：

　　1.抗噪聲處理

　　噪聲對檢驗結果的影響是一個不可忽視的問題。在本系統中對于非平穩噪聲，研究人員提出了利用偶數幀段主分量特征輸入隱馬爾可夫模型(HMM)結合時間方向平滑處理的SS方法來提高噪聲環境下漢語連續語音識別系統魯棒性的方法，取得較好的識別結果。

　　2.語音端點檢測

　　端點檢測可以避免由噪音引起的誤動作以及由噪音引起的誤識別，對于準確檢測語音信號的起始、提高識別系統精度等有重要意義。采用傳統的語音端點檢測器SAD很容易造成語音激活的漏檢。另外，較大的干擾信號，又有可能被當成是語音的激活，造成語音激活的虛檢。為克服這一缺點，研究人員采用一種基于相關性的語音激活檢測器，定義了一種有效的相關函數，找到了判別門限設定方法以及防止漏檢和虛檢的方法。

　　3.識別算法

　　本系統采用的是基于GMM模型的優化算法。

　　(1)改進的GMM的模型訓練方法

　　實驗中發現EM算法存在出現奇異陣的重大缺陷，而最大似然估計(ML)，雖然識別率比較低，但不會出現奇異陣。因此研究人員采用最大似然估計(ML)所得模型為初始模型，然后用EM算法中的每步的模型通過α值控制修正比例對其進行修正，稱為改進EM算法。

　　(2)基于遺傳算法的GMM的模型優化算法

　　研究人員對傳統的遺傳算法進行了改進，用于GMM的參數優化中，大大提高了模型的優化程度。

　　(3)GMM的說話人識別方法的優化

　　研究人員提出了一種新的優化的基于GMM的說話人識別方案，該方案通過先對一次發音對應一個模型的各幀似然度做一種特定變化然后再計算該音節總的似然度，也就是該音節對應該模型的總的評分，記作Sc，與最大Sc所屬模型相對應的說話人即為目標說話人。

　　◆社會效益：

　　目前，公安部物證鑒定中心完成的國家“九五”攻關成果VS99語音工作站已經在國內普及，在實際辦案中發揮了重要作用。該項目是在VS99的基礎上增加自動判別功能，從而進一步提高辦案效率和鑒定的準確率。