專利名稱：任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)及其確認(rèn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及說話人確認(rèn)系統(tǒng)，特別是涉及應(yīng)用說話人的語音特征來確 認(rèn)說話人的身份的任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)及其確認(rèn)方法。
背景技術(shù)：
目前用于身份確認(rèn)的方法很多，包括密碼輸入、指紋識別、虹膜識別、 人臉識別，這些識別系統(tǒng)都己經(jīng)比較成熟。事實(shí)上，語音和指紋一樣，每 個(gè)人的聲音具備自己獨(dú)特的特征，其他人無法模仿代替，因此語音特征用 于說話人身份確認(rèn)是當(dāng)前安全、保密方面的一個(gè)研究熱點(diǎn)。目前，己經(jīng)有
很多基于PC/服務(wù)器等大系統(tǒng)的聲紋確認(rèn)發(fā)明，主要用于偵聽、安保等產(chǎn)
□
叩o
中國專利號200610103612的專利申請公開了一種基于分布式結(jié)構(gòu)的 說話人確認(rèn)方法，前端采集說話人語音，提取特征，壓縮為比特流格式， 并送入數(shù)據(jù)傳輸信道；數(shù)據(jù)傳輸信道負(fù)責(zé)系統(tǒng)前端與系統(tǒng)后端數(shù)據(jù)的傳 輸；系統(tǒng)后端將比特流格式數(shù)據(jù)解壓縮為特征，并進(jìn)行說話人確認(rèn)。中國 專利號200310118507的專利申請公開了用語義信息確認(rèn)來替代基于聲紋 確認(rèn)的訓(xùn)練過程，在基于聲紋確認(rèn)的準(zhǔn)備工作還沒有完成之前來進(jìn)行識別 工作。同時(shí)語義信息確認(rèn)幫助聲紋確認(rèn)搜集所需的訓(xùn)練語料，等基于聲紋 識別的準(zhǔn)備工作完成之后，把二者結(jié)合起來，進(jìn)一步增強(qiáng)系統(tǒng)的安全性。 采取的技術(shù)方案是根據(jù)說話人的聲紋特征通過GMM模型(高斯混合模型) 建立聲紋模型；通過電話等語音輸入設(shè)備錄入語音，對聲音進(jìn)行預(yù)處理； 對處理后的聲音根據(jù)一定的聲紋模型進(jìn)行聲紋特征提??；同時(shí)進(jìn)行文本判 斷；用聲紋特征和文本判斷來識別說話人身份。中國專利號200510061955 公開了一種基于錨模型空間投影序數(shù)比較的快速說話人確認(rèn)方法，首先對
測試語音進(jìn)行特征提取，得到一組特征向量序列，然后對錨模型中的每個(gè) 高斯混合模型以及背景模型估算概率密度，得到映射后的得分向量，并比 較測試語音與聲明說話人的得分序數(shù)并計(jì)算序數(shù)的歐式距離，最后將序數(shù) 距離與閾值比較得到最終結(jié)果。還有"聲紋考勤機(jī)"公開了語音采集模塊采
用說話人輸入的語音ID號碼口令，將其轉(zhuǎn)換成數(shù)字信號，并把數(shù)字信號 傳送至語音處理模塊；語音預(yù)處理模塊對輸入語音的數(shù)字信號進(jìn)行語音分 析處理，并輸出處理得到的語音的微特征參數(shù)傳送至訓(xùn)練模塊；訓(xùn)練模塊 接收語音預(yù)處理的數(shù)據(jù)，對指定的語音樣本進(jìn)行訓(xùn)練，形成聲紋考勤模板， 存入存儲系統(tǒng)模塊中的員工檔案中；考勤時(shí)，識別模塊調(diào)用存儲系統(tǒng)中的 利用訓(xùn)練模塊生成的現(xiàn)有聲紋考勤模板和從語音預(yù)處理模塊得到的說話 人語音微特征參數(shù)，找出合法ID，進(jìn)入聲紋識別模塊進(jìn)行說話人確認(rèn)， 聲紋識別模塊識別出說話人，找出說話人所對應(yīng)的ID號，在將這個(gè)ID號 所對應(yīng)的員工信息顯示在液晶顯示模塊的顯示屏上。
以上這些發(fā)明都是基于PC/服務(wù)器等具備較強(qiáng)運(yùn)算能力、較大存儲空 間的運(yùn)算平臺，這類產(chǎn)品最大的缺點(diǎn)是工作平臺是PC機(jī)或者大型服務(wù)器， 不可以應(yīng)用在便攜、移動(dòng)的場合。

發(fā)明內(nèi)容
鑒于上述現(xiàn)有技術(shù)應(yīng)用領(lǐng)域的限制，本發(fā)明的目的是提供一種便攜、 低功耗的任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)及其實(shí)現(xiàn)方法，該任務(wù)相關(guān) 的說話人身份確認(rèn)片上系統(tǒng)主要是基于嵌入式語音處理專用芯片來實(shí)現(xiàn) 任務(wù)相關(guān)的說話人確認(rèn)方法，且具有良好的抗干擾性能。
本發(fā)明提供的任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)，包括為該系統(tǒng)提 供電源的電源模塊、啟動(dòng)模塊，存儲數(shù)據(jù)的存儲器，上述系統(tǒng)還包括嵌入 式語音處理芯片，上述嵌入式語音處理芯片包括電源管理模塊，處理器系 統(tǒng)，及與放音模塊和拾音模塊連接的音頻采樣接口模塊，上述處理器系統(tǒng) 與上述音頻采樣接口模塊連接，上述電源模塊與上述電源管理模塊連接、 上述啟動(dòng)模塊與上述處理器系統(tǒng)連接，用于啟動(dòng)語音處理芯片。
一種任務(wù)相關(guān)的說話人身份確認(rèn)方法，首先提供上述任務(wù)相關(guān)的說話
人身份確認(rèn)片上系統(tǒng)，而后進(jìn)行用戶訓(xùn)練步驟和用戶確認(rèn)步驟，上述用戶 訓(xùn)練步驟和用戶確認(rèn)步驟均采用用于提取語音特征參數(shù)的語音特征提取
和采用動(dòng)態(tài)規(guī)劃(Dynamic Programming,簡稱DP )的矢量匹配。
優(yōu)選地，上述動(dòng)態(tài)規(guī)劃對上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)提 取兩次訓(xùn)練的上述語音特征參數(shù)進(jìn)行匹配運(yùn)算，計(jì)算上述兩次訓(xùn)練的語音 特征參數(shù)之間的失真距離。
優(yōu)選地，如果上述失真距離小于預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的說話人 身份確認(rèn)片上系統(tǒng)確認(rèn)為訓(xùn)練成功，上述任務(wù)相關(guān)的說話人身份確認(rèn)片上 系統(tǒng)存儲上述兩次訓(xùn)練的語音特征參數(shù)；如果上述失真距離大于預(yù)設(shè)閾 值，則上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)確認(rèn)為訓(xùn)練不成功，上述 任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)要求用戶重新訓(xùn)練。
優(yōu)選地，在上述用戶確認(rèn)步驟中，上述任務(wù)相關(guān)的說話人身份確認(rèn)片 上系統(tǒng)提取用戶輸入的語音特征參數(shù)，上述任務(wù)相關(guān)的說話人身份確認(rèn)片 上系統(tǒng)將上述用戶輸入的語音特征參數(shù)與上述存儲的兩次訓(xùn)練的語音特 征參數(shù)進(jìn)行匹配運(yùn)算，得到兩個(gè)失真距離；如果其中最小的失真距離小于 預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)確認(rèn)為身份確認(rèn)成 功；如果其中最小的失真距離大于預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的說話人身 份確認(rèn)片上系統(tǒng)確認(rèn)為身份確認(rèn)失敗。
優(yōu)選地，上述語音特征參數(shù)為13維語音特征參數(shù)，包括12維美爾頻 率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients,以下簡稱MFCC)和短
時(shí)歸一化對數(shù)能量E。
基于嵌入式語音處理專用芯片，來實(shí)現(xiàn)任務(wù)相關(guān)的說話人身份確認(rèn)系 統(tǒng)，可以用于便攜、低功耗、低成本的安保、考勤等身份確認(rèn)產(chǎn)品中。
下面結(jié)合附圖，對本發(fā)明的具體實(shí)施方式
作進(jìn)一步的詳細(xì)說明。對于 所屬技術(shù)領(lǐng)域的技術(shù)人員而言，從對本發(fā)明的詳細(xì)說明中，本發(fā)明的上述 和其他目的、特征和優(yōu)點(diǎn)將顯而易見。


圖l為說話人確認(rèn)系統(tǒng)結(jié)構(gòu)圖2為特征參數(shù)提取流程圖3為動(dòng)態(tài)規(guī)劃方法計(jì)算失真距離的示意圖4為用戶的完整訓(xùn)練流程圖5為用戶的識別流程圖。
具體實(shí)施例方式
本發(fā)明優(yōu)選實(shí)施例提供的身份確認(rèn)片上系統(tǒng)采用聲紋辨識的方式，事 先將用戶的語音特征參數(shù)存儲在系統(tǒng)中。在進(jìn)行身份確認(rèn)的時(shí)候，辨識用 戶的輸入聲音聲紋是否與預(yù)存的相符。
基于語音處理專用芯片實(shí)現(xiàn)任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)，主 要的技術(shù)難點(diǎn)在于
*嵌入式芯片系統(tǒng)不同于PC/服務(wù)器，運(yùn)算能力較低、RAM空間通常 只有幾十K字節(jié)。在小系統(tǒng)上開發(fā)說話人確認(rèn)算法，目標(biāo)要接近或達(dá)到基 于PC/服務(wù)器的系統(tǒng)性能；
*基于嵌入式芯片開發(fā)說話人確認(rèn)算法，最終產(chǎn)品的成本大大降低， 就是為了應(yīng)用到更多的民用產(chǎn)品中去。這樣的產(chǎn)品在使用的時(shí)候，聲音環(huán) 境較復(fù)雜，可能會存在噪聲變化等情況。算法開發(fā)需要考慮抗噪方面的性 能。
本發(fā)明優(yōu)選實(shí)施例基于語音處理專用芯片UniSpeech和UniLite，這兩 款芯片專為語音處理應(yīng)用而設(shè)計(jì)，芯片采用高集成度的SOC (System on Chip)系統(tǒng)結(jié)構(gòu)以0.18um半導(dǎo)體工藝制造，以16位定點(diǎn)DSP (100MIPS) 為核心，片內(nèi)集成了直接雙訪問快速SRAM、 ADC/DAC (有效精度達(dá)到 12Bit)及相應(yīng)的模擬信號放大器和抗混疊濾波器，外部只需擴(kuò)展Flash存 儲器、電源芯片、啟動(dòng)芯片等少量芯片即可構(gòu)成完整系統(tǒng)應(yīng)用。
圖1是以嵌入式語音處理專用芯片為核心構(gòu)成完整系統(tǒng)應(yīng)用的參考設(shè) 計(jì)方案圖。本優(yōu)選實(shí)施例選用語音處理專用芯片UniLite400。圖中
1. 電源芯片即電源模塊406，提供給系統(tǒng)三路穩(wěn)定電源，分別為 33V(20mA max) /2.5V(20mAmax) /1.8V(60mAmax);
2. 啟動(dòng)芯片即啟動(dòng)管理模塊401，為UniLite 400啟動(dòng)所需的專用芯 片，與DSP處理器系統(tǒng)402相連接。
3. SPI Flash存儲器芯片403為UniLite 400工作必需的芯片，存儲程 序和數(shù)據(jù)信息。lMByte容量的SPI Flash芯片403，如SST25VF080;
4. 功放芯片410為系統(tǒng)外接放音模塊即揚(yáng)聲器407時(shí)所需的選配芯片。
揚(yáng)聲器407通過功放芯片410、 DAC數(shù)模轉(zhuǎn)換器與音頻采樣接口 404 連接；拾音模塊即麥克風(fēng)408經(jīng)預(yù)放、ADC模數(shù)轉(zhuǎn)換器與音頻采樣接口 404連接；音頻采樣接口 404與DSP處理器系統(tǒng)402相連接；連接DSP 處理器系統(tǒng)402還有片上RAM&ROM 409。
當(dāng)嵌入式語音處理專用芯片UniLite 400接收到語音，首先進(jìn)行語音 特征提取。本發(fā)明選擇具備較好抗噪性能的MFCC特征作為說話人確認(rèn)系 統(tǒng)的特征參數(shù)。整個(gè)語音特征提取流程圖如圖2所示。經(jīng)過預(yù)濾波，A/D 轉(zhuǎn)換器轉(zhuǎn)換，預(yù)加重，分幀，加窗等進(jìn)行音頻預(yù)處理，經(jīng)由快速傅立葉變 換，三角窗濾波，離散余弦變換，譜加權(quán)及倒譜均值減等，來提取語音的 特征參數(shù)，包括12維的MFCC特征參數(shù)和短時(shí)歸一化對數(shù)能量E。
矢量匹配采用動(dòng)態(tài)規(guī)劃的方法。動(dòng)態(tài)規(guī)劃方法用于比對兩次訓(xùn)練語音 的特征參數(shù)，具有算法復(fù)雜度較小的特點(diǎn)，而且能夠包容用戶兩次說話時(shí) 的語速差異。語音識別中的動(dòng)態(tài)規(guī)劃方法也被稱作動(dòng)態(tài)時(shí)間歸正技術(shù) (Dynamic Time Warping ， 簡稱DTW)。
假設(shè)存儲的一段語音的特征參數(shù)包括M幀/ = {咖)，附=1，2，'省},另 一段語音的特征參數(shù)包括^幀T = W")，" = 1，2， — W，為了比較兩者的相似 度，可以計(jì)算他們之間的失真"F，W，失真越小，兩者相似度越高。將兩 者中的第z'和第7幀之間的失真記作"(n")，M")) ， "(n")，W"))采用歐氏距離
測度。通過動(dòng)態(tài)規(guī)劃過程，在搜索路徑中找到累積失真最小的路徑，即最
優(yōu)的匹配結(jié)果。
假設(shè)識別特征序列的幀數(shù)較大(如果N〈M，可以將R和T交換)，把 識別特征的各個(gè)幀號"=1，2，"'^在一個(gè)二維直角坐標(biāo)系中的橫軸上表示出 來，將訓(xùn)練特征的各個(gè)幀號"^^，…，M在縱軸上標(biāo)出。
DP算法可以歸結(jié)為尋找一條通過此網(wǎng)格中的路徑，該路徑不是隨意 選擇的，語音的發(fā)音快慢、狀態(tài)對比都不是可以隨意變化的。點(diǎn)(n,m) 的前一個(gè)匹配位置只可以是(n-l，m-l)、 (n-l, m)、 (n-l， m-2)這其中的一 個(gè)。這三點(diǎn)中的具體選擇是根據(jù)下面的式子決定
<formula>formula see original document page 9</formula>
根據(jù)此規(guī)則，可以從(0， 0)至U (N， M)找到一條匹配的路徑，如 圖3所示，并據(jù)此路徑來計(jì)算特征矢量序列的失真距離。
本發(fā)明在實(shí)際操作中，包括兩種工作狀態(tài)用戶訓(xùn)練和用戶確認(rèn)。 *用戶訓(xùn)練
一個(gè)完整的訓(xùn)練流程如圖4所示
步驟4.1，身份確認(rèn)語音系統(tǒng)啟動(dòng)訓(xùn)練過程；
步驟4.2，在用戶訓(xùn)練狀態(tài)，系統(tǒng)提醒用戶進(jìn)行第一次訓(xùn)練，用戶用 正常的語速講話3 4秒，如"芝麻開門"；
步驟4.3，系統(tǒng)完成步驟4.2提醒用戶進(jìn)行第二次訓(xùn)練，在步驟4.3第 二次訓(xùn)練中，工作人員需要重復(fù)步驟4.2第一次訓(xùn)練中同樣內(nèi)容的聲音；
步驟4.4，系統(tǒng)提取兩次訓(xùn)練語音的特征參數(shù)，保留兩次訓(xùn)練模型， 并對兩次保留的特征參數(shù)進(jìn)行匹配運(yùn)算，判斷訓(xùn)練模型對比是否通過；
如果采用矢量匹配動(dòng)態(tài)規(guī)劃運(yùn)算得到兩者失真距離小于預(yù)設(shè)閾值，身 份確認(rèn)語音處理系統(tǒng)確認(rèn)為訓(xùn)練成功兩次為同一個(gè)人所訓(xùn)練，并且內(nèi)容 相同，則完成一次訓(xùn)練，進(jìn)行步驟4.5，系統(tǒng)將用戶兩次訓(xùn)練語音的特征 參數(shù)存儲下來，存儲兩次訓(xùn)練的模型；
如果采用矢量匹配動(dòng)態(tài)規(guī)劃運(yùn)算得到兩者失真距離大于預(yù)設(shè)閾值，身 份確認(rèn)語音處理系統(tǒng)確認(rèn)為訓(xùn)練不成功兩次訓(xùn)練為不同認(rèn)輸入，或者同 一人兩次輸入的語音不相同。那么轉(zhuǎn)為步驟4.2，系統(tǒng)要求用戶重新訓(xùn)練。
參用戶確認(rèn)
參照圖5。
步驟5.1，在用戶確認(rèn)操作中，啟動(dòng)身份確認(rèn)語音系統(tǒng)，用戶輸入和
訓(xùn)練過程中相同的語音；
步驟5.2，身份確認(rèn)語音處理系統(tǒng)將用戶輸入語音的特征參數(shù)和訓(xùn)練
過程中保留的兩次語音特征參數(shù)進(jìn)行匹配運(yùn)算，得到兩個(gè)失真距離，進(jìn)行
識別；
步驟5.3，判斷模型對比是否通過；
如果其中最小的失真距離小于預(yù)設(shè)閾值，則執(zhí)行步驟5.4，系統(tǒng)確認(rèn) 為身份確認(rèn)成功訓(xùn)練和確認(rèn)為同一個(gè)人，并且語音內(nèi)容相同；
否則，執(zhí)行步驟5.5，如果其中最小的失真距離大于預(yù)設(shè)閾值，系統(tǒng) 確認(rèn)為身份確認(rèn)失敗訓(xùn)練和確認(rèn)為不同人，或者同一個(gè)人輸入了不同內(nèi) 容的語音，則要求用戶重新輸入語音。
當(dāng)然，本發(fā)明還可有其他實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情 況下，所屬技術(shù)領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變，但 這些相應(yīng)的改變都應(yīng)屬于本發(fā)明的權(quán)利要求的保護(hù)范圍。
權(quán)利要求
1.一種任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)，包括為該系統(tǒng)提供電源的電源模塊、啟動(dòng)模塊，存儲數(shù)據(jù)的存儲器，其特征在于，上述系統(tǒng)還包括嵌入式語音處理芯片，上述嵌入式語音處理芯片包括電源管理模塊，處理器系統(tǒng)，及與放音模塊和拾音模塊連接的音頻采樣接口模塊，上述處理器系統(tǒng)與上述音頻采樣接口模塊連接，上述電源模塊與上述電源管理模塊連接，上述啟動(dòng)模塊與上述處理器系統(tǒng)連接，用于啟動(dòng)語音處理芯片。
2. —種任務(wù)相關(guān)的說話人身份確認(rèn)方法，其特征在于，首先提供一種 如權(quán)利要求1所述的任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)，而后進(jìn)行用戶 訓(xùn)練步驟和用戶確認(rèn)步驟，上述用戶訓(xùn)練步驟和用戶確認(rèn)步驟均采用用于 提取語音特征參數(shù)的語音特征提取和采用動(dòng)態(tài)規(guī)劃的矢量匹配。
3. 根據(jù)權(quán)利要求2所述的身份確認(rèn)方法，其特征在于，上述動(dòng)態(tài)規(guī)劃 對上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)提取兩次訓(xùn)練的上述語音特 征參數(shù)進(jìn)行匹配運(yùn)算，計(jì)算上述兩次訓(xùn)練的語音特征參數(shù)之間的失真距離。
4. 根據(jù)權(quán)利要求3所述的身份確認(rèn)方法，其特征在于，如果上述失真 距離小于預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)確認(rèn)為訓(xùn) 練成功，上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)存儲上述兩次訓(xùn)練的語 音特征參數(shù)；如果上述失真距離大于預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的說話人 身份確認(rèn)片上系統(tǒng)確認(rèn)為訓(xùn)練不成功，上述任務(wù)相關(guān)的說話人身份確認(rèn)片 上系統(tǒng)要求用戶重新訓(xùn)練。
5. 根據(jù)權(quán)利要求4所述的身份確認(rèn)方法，其特征在于，在上述用戶確 認(rèn)步驟中，上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)提取用戶輸入的語音 特征參數(shù)，上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)將上述用戶輸入的語 音特征參數(shù)與上述存儲的兩次訓(xùn)練的語音特征參數(shù)進(jìn)行匹配運(yùn)算，得到兩 個(gè)失真距離；如果其中最小的失真距離小于預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的 說話人身份確認(rèn)片上系統(tǒng)確認(rèn)為身份確認(rèn)成功；如果其中最小的失真距離大于預(yù)設(shè)閾值，則上述任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)確認(rèn)為身份確 認(rèn)失敗。
6.根據(jù)權(quán)利要求2至5任一項(xiàng)所述的身份確認(rèn)方法，其特征在于，上 述語音特征參數(shù)為13維語音特征參數(shù)，包括12維美爾頻率倒譜系數(shù)和短 時(shí)歸一化對數(shù)能量。
全文摘要
任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)，是針對現(xiàn)有技術(shù)應(yīng)用說話人的語音特征來確認(rèn)說話人的身份的工作平臺是PC機(jī)或者大型服務(wù)器而提出的，其基于嵌入式語音處理芯片來實(shí)現(xiàn)任務(wù)相關(guān)的說話人的確認(rèn)。本任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)可以用于便攜、低功耗、低成本的安保、考勤等身份確認(rèn)產(chǎn)品中。同時(shí)也提出該任務(wù)相關(guān)的說話人身份確認(rèn)片上系統(tǒng)的確認(rèn)方法，包括用戶訓(xùn)練步驟和用戶確認(rèn)步驟，均采用語音特征提取和采用動(dòng)態(tài)規(guī)劃的矢量匹配，具有良好的抗干擾性能。
文檔編號G10L17/00GK101350196SQ20071011928
公開日2009年1月21日 申請日期2007年7月19日 優(yōu)先權(quán)日2007年7月19日
發(fā)明者丁玉國, 志 劉, 鵬 張, 梁維謙, 明 董 申請人:丁玉國