B/S模式下嵌入式说话人身份认证系统

目的研究设计基于B/S模式的与文本相关嵌入式说话人语音身份认证系统。方法针对网络数据传输的噪声环境、语音识别算法的复杂度和大量用户远程实时认证的需求等问题,首次利用了MPC850微控制器和EP2C35 FPGA芯片,采用2代小波降噪,语音增强,声谱中主要参数分布估计,加权MFCC语音特征提取,与指定文本相关的混合HMM辨识等技术完成设计要求。结果给出了系统SOC实现方法,讨论了语音特征提取算法的原理及改进措施。结论该系统能有效地完成基于B/S模式远程说话人身份认证,具有较高的实践应用价值。

基于小波与神经网络的说话人身份识别

将小波变换和神经网络结合起来应用于说话人身份识别.通过小波变换提取语音信号的基音周期序列不仅体现了人发声时的生理特点,同时还包含了个人说话习惯等后天形成的特征.所以它能有效地反映说话人的语音特点.应用人工神经网络对基音周期序列进行识别分类以确定说话人身份.实验证明应用人工神经网络进行特征识别直接输出代表说话人身份的二进制编码,可以省去与库中所有数据进行匹配的繁琐操作,同时又能保证较高的正确率.

基于双线性频谱弯折的PSTN语音说话人身份保密通信

在日常生活中,语音是人们辨别或了解一个人的重要手段。一个人的声音中除了其字面的语义之外,还包括了说话人身份信息等其他特征,例如听者可以感受到说话者的大致年龄及其感情色彩。对于一些重要的人物,其语音特征往往是其身份的重要标志,保护这种特征也是必不可少的。文章提出一种PSTN语音通信说话人身份加密技术,利用频谱的双线性弯折变换改变语音频谱,实现说话人年龄特征的改变,达到身份保密的目的。

语音信息的身份和指令识别方法应用

针对智能机器人系统对语音交互功能的实际需求,在DM-B200开放式机器人平台上,设计并实现了基于语音信息的说话人身份识别功能和语音指令识别功能.为了准确识别特定说话人的身份,采用了矢量量化的识别方法,而为了提高机器人语音控制的实时性,语音指令识别采用了动态时间规整的方法.应用结果表明,所设计的语音识别系统达到96%以上的综合识别率,具有实际应用价值.

DSP嵌入式说话人识别系统的设计与实现

介绍一种基于浮点型数字信号处理器(TMS320C6713),并通过语音识别说话人身份的实用系统。为构建一个稳定实用的基于DSP说话人识别系统。以Mel倒谱系数作为特征参数,采用高斯混合模型作为识别模型,模型参数采用FLASH ROM存储,并实现自举运行。经过调试,实现了系统的自举运行,自举运行时可选择系统的训练和识别功能,并可方便地选择参加训练和识别的说话人,识别的范围为10人,识别的速度在3 s之内,准确率达98%以上。达到了系统设计的目的要求。与其他系统相比,该系统在实现算法上加以一定的改进,保证了识别率,并实现自举运行同时充分考虑可操作性,具有更大的实用价值。

基于移动平台的多重生物识别系统

随着智能手机在人们日常生活中的广泛使用,移动端的信息安全问题已经不容忽视。提出一套基于移动端的多重生物特征识别系统,定义多重安全等级,并使用输入习惯识别、脸部识别、说话人身份识别三种生物识别技术取代传统的密码技术来识别手机用户的身份。实验表明该系统在面对低安全需求时可以提供方便快捷的识别服务;而在高安全等级时,可以实现良好的安全性(最高安全等级错误接受率为0.014%)。相比传统的移动识别模式,该系统不仅更加智能,而且提高了移动身份识别的安全性和实用性。