聲紋識別防偽技術的關鍵

聲紋識別防偽技術有兩個關鍵問題，一是特征提取，二是模式匹配，具體分別是：

1、特征提取：提取并選擇對說話人的聲紋具有可分性強、穩定性高等特性的聲學或語言特征。這個與語音識別不同，聲紋識別的特征必須是“個性化”特征，而說話人識別的特征對說話人來講必須是“共性特征”，表征一個人特點的特征應該是多層面的，包括：

（1）與人類的發音機制的解剖學結構有關的聲學特征，如鼻音、帶深呼吸音、沙啞音、笑聲等；

（2）受社會經濟狀況、受教育水平、出生地等影響的語義、修辭、發音、言語習慣等；

（3）個人特點或受父母影響的韻律、節奏、速度、語調、音量等特征。

根據不同的任務需求，聲紋識別防偽技術還面臨一個特征選擇或特征選用的問題，例如在刑偵應用上，對“信道”信息希望弱化信道對說話人識別的影響，而在銀行交易上則希望信道對說話人識別有較大影響，從而可以剔除錄音、模仿等帶來的影響。

總之，聲紋識別防偽需要提取較好的特征，就應該能夠有效區分不同的說話人，但又能在同一說話人語音發生變化時保持相對的穩定，同時不易被他人模仿或能夠較好地解決被他人模仿問題；具有較好的抗噪性能，這樣才能實現聲紋識別防偽。

2、模式識別：模式識別有幾大類方法，分別是：

（1）模板匹配方法：利用動態時間彎折(DTW)以對準訓練和測試特征序列，主要用于固定詞組的應用(通常為文本相關任務)；

（2）最近鄰方法：訓練時保留所有特征矢量，識別時對每個矢量都找到訓練矢量中最近的K個，據此進行識別，通常模型存儲和相似計算的量都很大；

（3）神經網絡方法：有很多種形式，如多層感知、徑向基函數等，可以顯式訓練以區分說話人和其背景說話人；

（4）隱式馬爾可夫模型方法：通常使用單狀態的HMM，或高斯混合模型(GMM)，是比較流行的方法，且聲紋識別防偽效果比較好；

（5）VQ聚類方法：這種模式的聲紋識別防偽效果比較好，算法復雜度不高，和HMM方法配合起來更可以收到更好的效果；

（6）多項式分類器方法：有較高的精度，但模型存儲和計算量都比較大。

聲紋識別防偽技術需要解決的關鍵問題主要有以上兩個，但其實還有很多，諸如短話音問題，能否用很短的語音進行模型訓練等等，都需要技術的進一步開發和完善。

  深圳市兆信防偽技術有限公司有著從業20年的防偽經驗，服務過多家知名企業，具有專利性的技術，對于防偽防竄貨有豐富的經驗，可以提供多種個性化的防竄貨解決方案，如有需要或希望得到進一步了解，可致電免費熱線電話：0755-8883 0778，將有專人為您提供詳細的咨詢和服務。