聲紋識別原理

聲紋是用電聲學儀器顯示的攜帶言語信息的聲波頻譜。人類語言的產(chǎn)生是人體語言中樞與發(fā)音器官之間一個復雜的生理物理過程，人在講話時使用的發(fā)聲器官--舌、牙齒、喉頭、肺、鼻腔在尺寸和形態(tài)方面每個人的差異很大，所以任何兩個人的聲紋圖譜都有差異。這也使得聲紋識別也可以稱為身份認證的一種方式。

聲紋識別優(yōu)缺點

1、聲紋識別的優(yōu)勢在于：

（1）聲紋提取方便，可在不知不覺中完成，因此使用者的接受程度也高；

（2）獲取語音的識別成本低廉，使用簡單，一個麥克風即可，在使用通訊設(shè)備時更無需額外的錄音設(shè)備；

（3）適合遠程身份確認，只需要一個麥克風或電話、手機就可以通過網(wǎng)路（通訊網(wǎng)絡(luò)或互聯(lián)網(wǎng)絡(luò)）實現(xiàn)遠程登錄；

（4）聲紋辨認和確認的算法復雜度低；

（5）配合一些其他措施，如通過語音識別進行內(nèi)容鑒別等，可以提高準確率。這些優(yōu)勢使得聲紋識別的應(yīng)用越來越受到系統(tǒng)開發(fā)者和用戶青睞。

2、聲紋識別的缺點：

當然，聲紋識別的應(yīng)用有一些缺點，比如同一個人的聲音具有易變性，易受身體狀況、年齡、情緒等的影響；比如不同的麥克風和信道對識別性能有影響；比如環(huán)境噪音對識別有干擾；又比如混合說話人的情形下人的聲紋特征不易提取等等。

聲紋識別的過程

聲紋識別的過程包括：語音信號處理、聲紋特征提取、聲紋建模、聲紋比對、判別決策等。

聲紋識別匹配模式

聲紋識別技術(shù)的關(guān)鍵在于對各種聲學特征參數(shù)進行處理，并確定模式匹配方法，主要的模式匹配方法包括：

1、模板匹配方法：利用動態(tài)時間彎折（DTW）以對準訓練和測試特征序列，主要用于固定詞組的應(yīng)用（通常為文本相關(guān)任務(wù)）；

2、最近鄰方法：訓練時保留所有特征矢量，識別時對每個矢量都找到訓練矢量中最近的K個，據(jù)此進行識別，通常模型存儲和相似計算的量都很大；

3、神經(jīng)網(wǎng)絡(luò)方法：有很多種形式，如多層感知、徑向基函數(shù)（RBF）等，可以顯式訓練以區(qū)分說話人和其背景說話人，其訓練量很大，且模型的可推廣性不好；

5、VQ聚類方法（如LBG）：效果比較好，算法復雜度也不高，和HMM方法配合起來更可以收到更好的效果；

6、多項式分類器方法：有較高的精度，但模型存儲和計算量都比較大；

此外還有概率統(tǒng)計方法、動態(tài)時間規(guī)整方法、矢量量化方法等等。

聲紋識別技術(shù)的難點

目前，聲紋識別技術(shù)的市場應(yīng)用并不廣泛,，但并非這項技術(shù)本身不成熟，而是由于實際商業(yè)應(yīng)用場景的復雜性，很可能導致身份識別產(chǎn)生較大誤差。

首先，說話人的語音聲學特征不可避免地具有發(fā)展性和變異性，既便是同一個人，即便采集到的兩段語音內(nèi)容都是相同的，但是在不同的時期或特殊的情境下，由于情緒、語速、疲勞程度等原因，聲紋特征也不盡一致；

其次，聲紋特征提取是在現(xiàn)實環(huán)境中進行的，如何降噪以及去混響依然是聲紋識別的一大難題。在外部環(huán)境中，各種噪音都會通過錄音設(shè)備采集進來，這些噪音會在一定程度上混淆或者淹沒說話人信息，使得聲紋系統(tǒng)無法獲取準確的說話人聲紋特征。因此，應(yīng)用聲紋識別技術(shù)的產(chǎn)品大多適合在相對安靜的場合使用。