應用于移動端的語音身份認證研究.pdf

1、經(jīng)歷了半個多世紀的發(fā)展，語音識別技術(shù)日趨成熟，尤其是語音輸入法、語音指令以及語音與文本之間的相互轉(zhuǎn)換等技術(shù)。而后隨著近幾年智能手機的普及，語音識別技術(shù)開始進入移動終端時代。但由于移動終端的語音識別存在語句短、訓練集小、環(huán)境噪聲復雜以及移動設備多樣等諸多限制，使得移動終端語音身份認證準確率低，阻礙了移動終端語音身份認證的推廣應用。另外，由于大多數(shù)相關(guān)研究集中于語音內(nèi)容識別和語音合成，基于移動終端的語音識別技術(shù)一直沒有大的突破。本論文從語音

2、前期預處理、語音身份認證架構(gòu)和語音內(nèi)容等三個方面入手，設計相關(guān)實驗，試圖解決移動設備語音識別準確率低的難題，隨后并進行了分析評價。
　　在本論文中，從語音預處理入手，提出了基于短時能量的語音有效成分提取算法，該算法是由傳統(tǒng)的端點檢測算法改進得到，算法在提取語音信號中有效成分的同時，可以去除語音信號中的無效靜音段。實驗表明，該算法不僅減少了語音信號量，而且削弱了噪聲對整體身份認證的干擾。從語音身份認證架構(gòu)入手，提出基于多階規(guī)整時間的

3、語音身份認證架構(gòu)，該架構(gòu)有效結(jié)合基于小波變換的特征提取算法與動態(tài)時間規(guī)整算法，融合兩者的優(yōu)勢。基于小波變換的特征提取算法可對語音信號時域和頻域同時進行不同細分度的特征提取，可以從小訓練集中提取更多的特征參數(shù)。實驗驗證，在不同移動設備上，語音識別準確率提高了3％。從語音內(nèi)容入手，提出基于阿拉伯數(shù)字串的語音身份認證系統(tǒng)改進方案。通過多次實驗發(fā)現(xiàn)，對于10個阿拉伯數(shù)字（0到9），該系統(tǒng)對數(shù)字3、4、5、6和8五個數(shù)字識別性能明顯好于其他五個數(shù)