聲紋識別的關(guān)鍵問(wèn)題

2011/01/05

1. 與人類(lèi)的發(fā)音機制的解剖學(xué)結構有關(guān)的聲學(xué)特征(如頻譜、倒頻譜、共振峰、基音、反射系數等等)、鼻音、帶深呼吸音、沙啞音、笑聲等；
2. 受社會(huì )經(jīng)濟狀況、受教育水平、出生地等影響的語(yǔ)義、修辭、發(fā)音、言語(yǔ)習慣等；
3. 個(gè)人特點(diǎn)或受父母影響的韻律、節奏、速度、語(yǔ)調、音量等特征。

　　從利用數學(xué)方法可以建模的角度出發(fā)，聲紋自動(dòng)識別模型目前可以使用的特征包括：

1. 聲學(xué)特征(倒頻譜)；
2. 詞法特征(說(shuō)話(huà)人相關(guān)的詞n-gram，音素n-gram)；
3. 韻律特征(利用n-gram描述的基音和能量“姿勢”)；
4. 語(yǔ)種、方言和口音信息；
5. 通道信息(使用何種通道)；等等。

　　根據不同的任務(wù)需求，聲紋識別還面臨一個(gè)特征選擇或特征選用的問(wèn)題。例如，對“信道”信息，在刑偵應用上，希望不用，也就是說(shuō)希望弱化信道對說(shuō)話(huà)人識別的影響，因為我們希望不管說(shuō)話(huà)人用什么信道系統它都可以辨認出來(lái)；而在銀行交易上，希望用信道信息，即希望信道對說(shuō)話(huà)人識別有較大影響，從而可以剔除錄音、模仿等帶來(lái)的影響。

　　總之，較好的特征，應該能夠有效地區分不同的說(shuō)話(huà)人，但又能在同一說(shuō)話(huà)人語(yǔ)音發(fā)生變化時(shí)保持相對的穩定；不易被他人模仿或能夠較好地解決被他人模仿問(wèn)題；具有較好的抗噪性能；……。當然，這些問(wèn)題也可以通過(guò)模型方法去解決。

CTI論壇報道