[發(fā)明專利]一種基于聲紋識(shí)別的智能測(cè)井評(píng)價(jià)專家系統(tǒng)身份認(rèn)證方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410148223.2
• 申請(qǐng)日: 2014-04-14
• 公開(kāi)（公告）號(hào): CN104978507B
• 公開(kāi)（公告）日: 2019-02-01
• 發(fā)明（設(shè)計(jì)）人: 張晉言;邢強(qiáng);張德峰;劉海河
• 申請(qǐng)（專利權(quán)）人: 中國(guó)石油化工集團(tuán)公司;中石化勝利石油工程有限公司測(cè)井公司
• 主分類號(hào): G06F21/32
• 分類號(hào): G06F21/32;G10L17/04
• 代理公司: 東營(yíng)雙橋?qū)＠碛邢挢?zé)任公司 37107
• 代理人: 侯華頌

一種基于聲紋識(shí)別的智能測(cè)井評(píng)價(jià)專家系統(tǒng)身份認(rèn)證方法，采集解釋專家用戶對(duì)同一文本發(fā)音的聲紋波形，構(gòu)成聲紋模板庫(kù)；通過(guò)待識(shí)別用戶指示，得到要進(jìn)行身份認(rèn)證的解釋專家名；采集待識(shí)別用戶對(duì)與聲紋模板庫(kù)聲紋波形；從聲紋模板庫(kù)中，提取對(duì)應(yīng)該解釋專家名的聲紋模板；分別對(duì)解釋專家和待識(shí)別用戶的聲紋模板，進(jìn)行抗干擾預(yù)處理，并提取聲紋特征，形成樣本特征矢量序列；計(jì)算待識(shí)別用戶樣本特征矢量序列與該解釋專家樣本特征矢量序列之間的匹配距離，則判定待識(shí)別用戶為指示的解釋專家。本發(fā)明具有認(rèn)證準(zhǔn)確率高，速度快，魯棒性強(qiáng)，可準(zhǔn)確識(shí)別過(guò)慢和過(guò)快速語(yǔ)音等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于聲紋識(shí)別的智能測(cè)井評(píng)價(jià)專家系統(tǒng)身份認(rèn)證方法，屬于計(jì)算機(jī)信息安全技術(shù)領(lǐng)域，應(yīng)用于測(cè)井處理解釋軟件領(lǐng)域。

背景技術(shù)

國(guó)外發(fā)展了多種石油測(cè)井解釋的智能測(cè)井評(píng)價(jià)專家系統(tǒng)，如斯倫貝謝公司的地層傾角解釋咨詢系統(tǒng)和巖性模式識(shí)別(LITHO)專家系統(tǒng)，殼牌石油公司的巖石物性評(píng)價(jià)知識(shí)庫(kù)系統(tǒng)（LOGIX）。而國(guó)內(nèi)主要有華北油田和勝利油田的OWLI和LIX測(cè)井解釋智能專家系統(tǒng)，但這些智能測(cè)井評(píng)價(jià)專家系統(tǒng)缺少用戶身份認(rèn)證和權(quán)限劃分，易造成構(gòu)建的專家知識(shí)庫(kù)被非法修改和盜用。

基于聲紋的生物特征信息識(shí)別技術(shù)，利用人類發(fā)音器官的生理差異以及后天形成的行為差異導(dǎo)致的發(fā)音方式和說(shuō)話習(xí)慣的不同，進(jìn)行身份識(shí)別和認(rèn)證，具有安全程度高，使用者易接受，生物特征獲取成本低廉，認(rèn)證算法復(fù)雜度低等優(yōu)勢(shì)，已逐漸取代傳統(tǒng)的密碼認(rèn)證方式。

在已有的聲紋識(shí)別技術(shù)中，主要有基于高斯混合模型（專利：CN102194455A和CN102324232A）和基于矢量量化方法（專利：101055718A）的兩大類方法。

基于高斯混合模型的方法主要包括訓(xùn)練和待識(shí)別樣本聲紋波形信息的特征提取，構(gòu)建訓(xùn)練樣本特征向量的高斯混合模型，計(jì)算待識(shí)別樣本特征向量在高斯混合模型中的概率分布，作為判別條件。缺點(diǎn)：(1)聲紋信息特征并不完全符合高斯分布，與高斯模型不夠吻合；(2)模型初始參數(shù)的選取比較隨機(jī)，嚴(yán)重影響系統(tǒng)的識(shí)別率；(3)構(gòu)建高斯混合模型，訓(xùn)練算法復(fù)雜程度高，迭代過(guò)程中易出現(xiàn)協(xié)方差矩陣元素小于零的情況，造成無(wú)法訓(xùn)練得到最終模型。

基于矢量量化的方法主要包括訓(xùn)練和待識(shí)別樣本聲紋波形信息的特征提取，構(gòu)建訓(xùn)練樣本特征向量的矢量量化碼本，采用窮盡搜索，計(jì)算待識(shí)別樣本輸入矢量與所有訓(xùn)練樣本碼字之間的失真，通過(guò)比較找出失真最小的碼字，作為判別結(jié)果。缺點(diǎn)：(1)從碼本中搜索訓(xùn)練矢量的最近碼字需要大量的存儲(chǔ)空間和繁瑣的計(jì)算，當(dāng)采用大碼本和高維矢量時(shí)，計(jì)算復(fù)雜度將非常大；(2)初始碼本的選擇影響碼本訓(xùn)練的收斂速度和最終碼本的性能。

實(shí)際應(yīng)用中還發(fā)現(xiàn)這兩種方法的魯棒性較差，對(duì)于過(guò)慢和過(guò)快速的待識(shí)別聲紋的識(shí)別率很低。

發(fā)明內(nèi)容

本發(fā)明的一種基于聲紋識(shí)別的智能測(cè)井評(píng)價(jià)專家系統(tǒng)身份認(rèn)證方法，目的在于使用用戶的聲紋信息對(duì)智能測(cè)井評(píng)價(jià)專家系統(tǒng)用戶進(jìn)行身份認(rèn)證，并劃分相應(yīng)的權(quán)限，避免因智能測(cè)井評(píng)價(jià)專家系統(tǒng)中的專家知識(shí)庫(kù)被非法修改和盜用引發(fā)的安全問(wèn)題。

本發(fā)明的技術(shù)方案

一種基于聲紋識(shí)別的智能測(cè)井評(píng)價(jià)專家系統(tǒng)身份認(rèn)證方法，其特征在于包括以下步驟：

(1)采集智能測(cè)井評(píng)價(jià)專家系統(tǒng)每位解釋專家用戶對(duì)同一文本發(fā)音的聲紋波形，構(gòu)成聲紋模板庫(kù)；

(2)通過(guò)待識(shí)別用戶指示，得到要進(jìn)行身份認(rèn)證的解釋專家名；

(3)采集待識(shí)別用戶對(duì)與聲紋模板庫(kù)中構(gòu)建該解釋專家聲紋模板相同的文本發(fā)音的聲紋波形；

(4)從聲紋模板庫(kù)中，提取對(duì)應(yīng)該解釋專家名的聲紋模板；

(5)對(duì)解釋專家的聲紋模板，進(jìn)行抗干擾預(yù)處理，并提取聲紋特征，形成樣本特征矢量序列；