基于数学形态学的语音反蓄意模仿研究

人的声音虽然具有个性特征,但随着现代高科技的发展,人的语音也可以被模仿;当模仿者蓄意模仿说话人声音相似度极高时,当前语音身份确认系统就有可能会被模仿欺骗;为了防止造成国家和人民财产的重大损失,就此展开了语音反蓄意模仿的研究;为了进一步消除说话人语音中的噪声干扰以增强不同说话人的区分能力,研究了数学形态学及加权形态滤波器在一维语音信号中去噪的应用;研究表明,数学形态学对带噪语音信噪比的改善有较好的效果,进一步增强了区别蓄意模仿说话人的能力。

反蓄意模仿说话人识别系统中特征参数提取的研究

当模仿者蓄意模仿说话人的语音且相似度极高时,说话人识别系统就有可能被欺骗。特征参数的提取是说话人识别的关键环节,直接影响了系统的识别性能。MFCC是语音识别中最热门的特征参数之一,但由于其只反映了语音的静态特性,为了提取更具个人语音特性的特征参数,引入加权MFCC,同时结合离散小波变换得到DWTWC,根据增减分量法,提出了DWI-MFCC。实验表明,DWI-MFCC倒谱系数比MFCC能更有效地区分语音的相似度。