[發明專利]面向語音通信的身份信息隱藏方法

有效

• 申請號: 201810120029.1
• 申請日: 2018-02-06
• 公開（公告）號: CN108510995B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 簡志華;張石磊
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G10L21/003
• 分類號: G10L21/003;G10L21/013;G10L25/24
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.一種面向語音通信的身份信息隱藏方法，其特征是按如下步驟進行：

一、語音源建模；

二、生成語音字典；

三、采用身份信息隱藏算法將用戶的語音轉換成了與該用戶差異最大的語音源的聲音；

步驟一具體如下：利用GMM對每個說話人即語音源的語音特征參數空間進行建模，每個人對應一個GMM，即

其中，x為d維特征矢量；ω_m為混合權重，且滿足P_m(x；μ_m,∑_m)為d維高斯函數，表示GMM模型的第m個高斯分量；μ_m表示該高斯分量的均值矢量；∑_m表示協方差矩陣；整個高斯混合模型用λ來表示：

λ＝{ω_m,μ_m,∑_m},m＝1,2,...,M (3)

模型參數λ是通過期望最大算法求得，假設語音特征參數空間是長度為T的矢量序列X＝{x_t,t＝1,2,...,T}，則有：

通過上述算法求解GMM模型參數，為每一說話人構建一個GMM模型；

步驟二具體的如下：對語音庫中的N個說話人，分別通過STRAIGHT模型進行信號建模，提取每幀語音的聲道譜和基頻，并從聲道譜中求出梅爾倒譜系數；聲道譜參數作為特征參數用于生成語音字典并進行特征參數的轉換，MCC參數用于動態時間規整和說話人特征參數空間的GMM建模；用DTW對N個說話人的MCC矢量序列進行時間對齊，再根據這些時間對齊信息，將N個說話人的聲道譜特征參數矢量序列進行相應的時間對齊，然后在每個對齊的聲道譜特征參數矢量序列的相同位置上隨機抽取L個特征參數矢量；分別隨機抽取每一說話人的L個的聲道譜特征參數矢量各自建立字典，獲得N個對稱的字典，即{A_n,n＝1,2,…,N}；同時對每一說話人的基音頻率進行統計分析，得到均值μ和方差σ，即基頻轉換參數；

步驟三具體如下：

(1)建立包含N個說話人的語音庫；

(2)分別為每個說話人的特征參數矢量空間建立GMM模型，求得GMM模型參數，即可得到N個GMM模型；

(3)分別為每個說話人確定語音字典和基頻轉換參數；利用上一步MCC參數，通過動態時間規整算法對語音庫中N個說話人的語音進行時間對齊；根據時間對齊信息，為N個說話人的STRAIGHT聲道譜特征參數矢量序列進行規整對齊；在N個時間對齊的聲道譜矢量序列中，分別隨機抽取相同位置上的聲道譜特征參數矢量構成語音字典，這樣就建立N個說話人的對齊的語音字典并儲存；同時，分別為語音庫中每個說話人的基音頻率進行統計，得到均值和方差；

(4)對于任意用戶，獲取一小段語音，并由STRAIGHT模型提取聲道譜和基頻，并通過聲道譜得到MCC參數，然后分別計算MCC參數矢量序列在N個GMM模型下的概率，以用于用戶語音和庫中各個說話人之間語音相似度的判決，即：

其中，T是MCC參數矢量序列的長度；

(5)找出N個概率中的最大值所對應的說話人i和最小值所對應的說話人j，即：

(6)找出對應存儲的說話人i和說話人j的語音字典A_i和A_j以及基頻均值μ_i、μ_j和方差σ_i、σ_j；

(7)由用戶聲道譜特征參數矢量序列S和說話人i的語音字典A_i通過非負矩陣分解算法計算權值矩陣H；在S和A_i已知的情況下，通過最小化損失函數來估計權值矩陣H，即：

H＝argmin{d_KL(S,A_iH)+||εΛ^1×L.*H||₁}s.t.H≥0 (11)

其中，d_KL(·)表示KL散度，||·||₁表示L1范數，ε表示稀疏懲罰因子，Λ表示全1矩陣，L表示特征參數矢量維數；

(8)由說話人j的語音字典A_j與上一步求得的權值矩陣H獲得合成目標語音譜；

(9)基頻轉換利用統計的方法，通過上述說話人i和說話人j對應的基頻均值μ_i、μ_j和方差σ_i、σ_j，得到轉換后的基頻為：

其中，f_x表示用戶語音的基頻，表示轉換基頻；

(10)利用步驟(8)、(9)得到的目標頻譜和轉換基頻通過STRAIGHT模型合成語音，使得用戶的語音轉換成了第j個說話人的聲音，實現隱藏說話人身份信息的目的。