[發(fā)明專利]一種基于質(zhì)量維度的聲紋識別算法評估方法

有效

• 申請?zhí)枺?/td>: 201910633799.0
• 申請日: 2019-07-15
• 公開（公告）號: CN110335611B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設計）人: 董波;王道寧;張亞東;陶亮;廖志梁
• 申請（專利權(quán)）人: 易誠高科（大連）科技有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L15/08;G10L17/04
• 代理公司: 大連優(yōu)路智權(quán)專利代理事務所(普通合伙) 21249
• 代理人: 宋春昕;劉國萃

1.一種基于質(zhì)量維度的聲紋識別算法評估方法，其特征在于：包括基于目標相關(guān)的聲紋識別評估方法和基于非目標相關(guān)的聲紋識別評估方法，

基于目標相關(guān)的聲紋識別評估方法包括以下步驟：

2-1.在測試聲紋數(shù)據(jù)庫存在的情況下，對庫做參數(shù)屬性模型化分類，分類的對象包括：情緒、假音與音量；

2-2.基于情緒的測試庫分類：對測試庫每個聲紋信號進行標號，不同人的聲紋，標號不同，相同人的聲紋，標號相同；

2-2-1.對典型情緒聲紋做量化分類，以正常情緒的聲紋信號為參考，將與情緒相關(guān)的因子與個性特征分離；

2-2-2.在正常情緒下采集聲紋信號，然后按照步驟2-2-1的方法統(tǒng)計分離后信號的分布情況；

2-2-3.在不同狀態(tài)下，分別按照2-2-2的方式統(tǒng)計出各個情緒狀態(tài)下的聲紋信號分布情況；

2-2-4.基于統(tǒng)計出的聲紋信號分布情況，訓練情緒狀態(tài)分類器；

2-2-5.對庫中的任意聲紋樣本，按照步驟2-2-1的方式取得情緒聲紋頻率，然后基于步驟2-2-4給出的狀態(tài)分類器，獲得任意樣本的情緒標簽；

2-3.基于假音的測試庫信息標記：

2-3-1.假音是指通過有意識的控制而只使部分聲帶發(fā)生振動所發(fā)出來的聲音；

2-3-2.采集部分聲紋樣本，采集對象包括正常狀態(tài)下的樣本以及用假音發(fā)音的聲紋樣本；

2-3-3.對同人不同發(fā)音狀態(tài)的聲紋樣本做分組，訓練假音分類器，然后對測試庫中的樣本做真假音分類，得到任意樣本的真假音標記ID_type；

2-4.基于音量的測試庫分類：

2-4-1.音量是針對主頻的幅頻能量占平均能量的大小；

2-4-2.對所有樣本進行中心頻率提取，得到該頻率下的幅頻信息，然后幅頻信息除以短時聲紋信號的0頻幅頻，得到的比值作為各樣本的能量比η，能量比越大，認為相對音量越高；

2-5.對于得到情緒、假音、音量評估或者分類信息的測試庫而言，對需要測試的聲紋識別算法先進行一次整體的識別統(tǒng)計，找到識別失敗的樣本，然后對于識別失敗的樣本，按照不同的量化與分類維度做匯總統(tǒng)計：

2-5-1.以情緒標記為橫坐標，同區(qū)間識別失敗樣本的數(shù)量為縱坐標，統(tǒng)計情緒變化引入識別失敗的統(tǒng)計直方圖，哪個坐標下的分布概率越大，代表算法對相對應情緒的敏感度越高；

2-5-2.以是否假音為橫坐標，同狀態(tài)下識別失敗樣本的數(shù)量為縱坐標，統(tǒng)計假音引入識別失敗的統(tǒng)計直方圖，一般在刻意修改發(fā)聲狀態(tài)下的樣本會喪失個性特征，使識別率降低，但這也從客觀上說明現(xiàn)階段的聲紋識別算法泛化能力不足；

2-5-3.以相對音量大小為橫坐標，按照固定的步長對遮擋率做區(qū)間劃分，等級分類為橫坐標，同區(qū)間識別失敗樣本的數(shù)量為縱坐標，統(tǒng)計相對音量大小改變引入識別失敗的統(tǒng)計直方圖，哪個等級的分布概率越大，代表算法對相對應的敏感度越高，正常狀態(tài)下，相對音量越小，算法性能越差；

2-6.對其他要測試的算法均進行步驟2-5，得到所有算法對不同目標質(zhì)量參量的敏感度結(jié)果，在相同條件下：基于情緒的誤識別直方圖分布越廣，算法對情緒越敏感；假音狀態(tài)下的誤識別樣本數(shù)量越多，算法越不穩(wěn)定；同音量等級下，誤識別直方圖樣本數(shù)量越少，算法對音量變化的魯棒性越高；

基于非目標相關(guān)的聲紋識別評估方法包括以下步驟：

3-1.在測試聲紋庫存在的情況下，對聲紋庫做質(zhì)量屬性模型化分類，分類的對象包括：噪聲水平與背景雜音能量；

3-2.基于噪聲的測試庫分類：

3-2-1.對測試庫中的任意聲紋樣本做一次傅里葉變換，提取高頻信號的能量則取高頻段的幅頻均值作為噪聲能量，其余頻段的能量減去該均值的結(jié)果為非噪聲能量；

3-2-2.計算聲紋信號信噪比＝20log(非噪聲能量/噪聲能量)；

3-2-3.重復進行步驟3-2-1～3-2-2，計算出所有聲紋信號的信噪比信息snr，然后對信噪比做最大值與最小值統(tǒng)計，得到信噪比取值范圍，對整個范圍做固定步長的分區(qū)，得到不同的信噪比區(qū)間，然后找到所有樣本信噪比所在區(qū)間的標號；

3-3.基于背景音的測試庫信息標記：

3-3-1.對測試庫中的任意聲紋信號，對按照步驟3-2-1進行去噪的聲紋頻譜做多個主頻統(tǒng)計，得到主頻序列中的最高頻率與最低頻率；

3-3-2.計算最高頻率與最低頻率的差值，得到音頻主頻帶范圍；

3-3-3.重復進行3-3-1～3-3-2，計算出所有樣本的頻帶范圍信息，然后做最大范圍值與最小范圍統(tǒng)計，得到范圍的取值區(qū)間，對整個區(qū)間做固定步長的分區(qū)，得到不同的范圍區(qū)間，然后找到所有聲紋信號所在區(qū)間的標號；

3-4.對于得到噪聲、背景雜音量化評估或者分類信息的測試庫而言，對需要測試的聲紋識別算法先進行一次整體的識別統(tǒng)計，找到識別失敗的樣本，然后對于識別失敗的樣本，按照不同的量化與分類維度做匯總統(tǒng)計：

3-4-1.以信噪比區(qū)間為橫坐標，同區(qū)間識別失敗樣本的數(shù)量為縱坐標，統(tǒng)計信噪比引入識別失敗的統(tǒng)計直方圖，正常狀態(tài)下，信噪比等級越高，算法性能越差；

3-4-2.以不同背景雜音范圍分類為橫坐標，同區(qū)間識別失敗樣本的數(shù)量為縱坐標，統(tǒng)計模糊度引入識別失敗的統(tǒng)計直方圖，正常狀態(tài)下，雜音等級越高，算法性能越差；

3-5.對其他要測試的算法均進行步驟3-4，得到所有算法對不同非目標質(zhì)量參量的敏感度結(jié)果，在相同條件下：同質(zhì)量參數(shù)等級下，誤識別直方圖樣本數(shù)量越少，算法魯棒性越高。