基于語音信號處理的呼吸認證方法研究.pdf

1、說話人識別是一類基礎(chǔ)問題，該問題可以細分為兩類：說話人辨別問題和說話人確認問題。根據(jù)對語音文本的依賴程度不同，說話人識別又分為文本相關(guān)型、文本無關(guān)型、文本提示型。識別說話人包括訓練/登記和測試/驗證兩個階段，訓練階段建立合法說話人（即目標說話人）特征模板，測試階段則計算待識別說話人的測試語音數(shù)據(jù)與合法說話人特征模板的相似度，并得出判斷結(jié)果。
　　在最近20多年的研究中，說話人識別普遍關(guān)注語音信號的音源，發(fā)音系統(tǒng)，韻律特征。而語音中

2、的呼吸信號在研究中并沒有受到關(guān)注，甚至將其作為噪音項進行剔除。通過本文的觀察和研究發(fā)現(xiàn)，呼吸信號具有其獨特性，是呼吸系統(tǒng)意義上的生理指紋。它是人體自然而然產(chǎn)生的，持續(xù)時間短，發(fā)生頻率低且處理簡單，呼吸特征是人體與生俱來的，具有唯一，穩(wěn)定的特點。基于呼吸信號的這些特點，本文提出了一種基于呼吸特征的說話人識別方案—“BreathID”，它具有文識別準確率高、文本無關(guān)、輕量級且可實現(xiàn)對用戶透明的優(yōu)點。
　　“BreathID”分為3個部

3、分：呼吸邊界分離，特征提取和選擇，特征匹配。本文通過CDF統(tǒng)計分析和實證研究，選擇梅爾頻率倒譜系數(shù)（Mel Frequency Cepstral Coefficients，簡稱MFCC）作為說話人的呼吸特征。文中提出了基于一組簡單向量操作的輕量級的分類算法，最后通過該分類算法進行相似度匹配，做出說話人決策。
　　“BreathID”的實驗分為兩個部分，第一部分是對50個用戶收集數(shù)據(jù)進行實驗，評估“BreathID”的總體性能。實驗

4、結(jié)果如下：說話人辨別實驗中，方案的錯誤辨別率（False Identification Rate：簡稱FIR）為0.04％；說話人確認實驗中，方案的錯誤接受率（False Acceptance Rate：簡稱FAR）為0.12%，錯誤拒絕率（False Rejection Rate：簡稱FAR）為0.15%。第二部分通過另外20個用戶的數(shù)據(jù)在不同的實用場景中對“BreathID”的一致性進行評估，包括文本無關(guān)性，用戶狀態(tài)（靜坐和走路），