[發明專利]一種基于過零間隔點聲紋識別方法

有效

• 申請號: 201510586504.0
• 申請日: 2015-09-15
• 公開（公告）號: CN105304087B
• 公開（公告）日: 2017-03-22
• 發明（設計）人: 鄧方;關勝盤;陳杰;竇麗華;呂建耀;代鳳馳;陳文頡;白永強;李佳洪;樊欣宇;顧曉丹;張樂樂
• 申請（專利權）人: 北京理工大學
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/16;G10L25/24
• 代理公司: 北京理工大學專利中心11120
• 代理人: 劉芳,仇蕾安

技術領域

本發明屬于計算機及信息服務技術領域，具體涉及一種基于過零間隔點的聲紋識別方法。

背景技術

聲紋識別技術是在20世紀中期在美國提出的，最早進行此項技術研究的是美國貝爾實驗室的勞倫斯·克斯特，他對一百多名健康人的上萬個聲紋圖進行了分析鑒定，準確率達到99.65％。中國的聲紋識別技術起步較晚，在20世紀90年代才開始進行正式的研究，目前進行相關研究的有北京大學、清華大學、中國科學院聲學研究所以及一些政法部門。隨著各個研究領域(如材料、通信、計算機、生命科學等)的不斷發展，聲紋識別技術也在飛速發展，其可靠性和準確性將不斷提高。關于聲紋識別的算法主要包括：Mel倒譜系數(MFCC)法、基于隱馬爾科夫模型(HMM)的方法、基于過零間隔點的方法等等。

MFCC和HMM方法識別精度高，但是他們的計算量太大，對硬件要求高。基于過零間隔點的方法計算量小，只需要較低的采樣率和較少的采樣點就可以完成聲紋的識別功能，但是識別精度低。

發明內容

有鑒于此，本發明提供了一種基于過零間隔點的聲紋識別方法，該方法將原有的單維過零間隔點識別方法擴展為多維識別，提高了識別精度。

實現本發明的技術方案如下：

一種基于過零間隔點的聲紋識別方法，具體過程為：

S00、采集聲音信號：

設定采樣率為n，對一段聲音信號進行采樣，采樣點個數為k；

S01、確定過零點：

設當沒有聲音信號時的采樣值為X，有聲音信號時各個采樣點的值為X(1)、X(2)…X(k)，當滿足公式(1)時：

(X(i)-X)(X(i+1)-X)≤0(i≤k-1)(1)

則記X(i)為過零點，以此類推，記錄所有過零點；

將所有過零點的采樣值記為y(1)、y(2)…y(ε)，其中ε為所有過零點的總數；

S02、統計過零間隔點：

首先，統計所有相鄰過零點之間的采樣點的個數，即統計y(i+1)與y(i)之間采樣點的個數，并將其存儲到矩陣z1中，其中i＝1,2,...ε-1；統計矩陣z1中各元素出現的次數，并將統計的結果存儲到矩陣w1中，將w1作為第一維特征向量；

其次，統計所有間隔一個過零點的過零點之間的采樣點的個數，即統計y(i+2)與y(i)之間采樣點的個數，并將其存儲到矩陣z2中，其中i＝1,2,...ε-2；統計矩陣z2中各元素出現的次數，并將統計的結果存儲到矩陣w2中，將w2作為第二維特征向量；

以此類推，依次求出相隔兩個、三個、…、N-1個過零點的過零點之間的采樣點的個數，得到w3、w4、…、wN；

S03、建立多維特征矩陣：

將w1、w2、…、wN中長度短的特征向量后續補零，得到一個N維的特征向量；

S04、建立模板庫：

按照步驟S00至S03的方式，針對多種不同的聲音信號分別獲取其對應的N維特征向量，構建模板庫；

S05、求出匹配結果：

按照步驟S00至S03的方式，提取被檢測聲音信號的N維特征向量，并將其與模板庫中聲音信號的特征向量進行匹配，實現聲紋的識別。

進一步地，本發明所述進行匹配的過程為：將被檢測聲音信號的N維特征向量與模板庫中特征向量分別求取歐氏距離，若最小的歐式距離小于設定的閾值，將最小歐式距離所對應的聲音信號作為相匹配的聲音信號，否則，將被檢測的信號視為未知信號。

有益效果：

本發明所提供的方法依次求出相隔一個、兩個、三個、…、N-1個過零點的過零點之間的采樣點的個數，建立多維特征矩陣來進行匹配，與Mel倒譜系數(MFCC)法、基于隱馬爾科夫模型(HMM)的方法相比計算量小，與傳統的聲紋識別算法相比實時性好、精度高。

附圖說明

圖1為本發明所提供的方法的流程圖。

具體實施方式

下面結合附圖，對本發明進行詳細描述。

本發明提供了一種聲紋識別的方法，如圖1所示，該方法的具體步驟為：

S00、采集聲音信號：

設定采樣率為3000HZ，對一段聲音信號進行采樣，采樣點個數為200。

S01、確定過零點：

設當沒有聲音信號時的采樣值為X，有聲音信號時各個采樣點的值為X(1)、X(2)…X(k)。當滿足下面公式時：

(X(i)-X)(X(i+1)-X)≤0(i≤k-1)(1)

則記X(i)為過零點，以此類推，記錄所有過零點。