唐宗渤1, 周萍 2，王茂蓉 2，劉繼錦 2

　　（1.桂林電子科技大學 信息科技學院，廣西 桂林 541004; 2.桂林電子科技大學 電子工程與自動化學院，廣西 桂林 541004）

       摘要：當模仿者蓄意模仿說話人的語音且相似度極高時，說話人識別系統就有可能被欺騙。特征參數的提取是說話人識別的關鍵環節，直接影響了系統的識別性能。MFCC是語音識別中最熱門的特征參數之一，但由于其只反映了語音的靜態特性，為了提取更具個人語音特性的特征參數，引入加權MFCC，同時結合離散小波變換得到DWTWC，根據增減分量法，提出了DWI-MFCC。實驗表明，DWI-MFCC倒譜系數比MFCC能更有效地區分語音的相似度。

　　關鍵詞：特征參數; MFCC; 蓄意模仿; 增減分量法

0引言

　　廣西研究生教育創新計劃資助項目(YCSZ2015152)生物認證技術［1］作為一種身份鑒別技術，它具有安全、方便等優點。但與其他生物特性相比，聲音更容易被模仿，特別在蓄意模仿與目標說話人的語音相似度極高時，就給識別系統的魯棒性帶來嚴峻考驗。有效的聲學特征，可大大提高識別性能。常用的特征參數有基因頻率、線性預測參數LPC、Mel頻率倒譜系數［2］MFCC等。其中MFCC能充分模擬人耳的聽覺感知特性，應用較多。但其只能體現語音的靜態特征，為了提取更具個人特性的參數，本文對MFCC作加權處理，結合離散小波變換引進DWTWC，根據增減分量法，提出DWIMFCC。實驗表明，DWIMFCC比傳統MFCC更能區分語音的相似度，提高識別系統的魯棒性。

1特征參數的提取

　　1.1Mel頻率倒譜系數

　　MFCC ［2］作為模擬人耳特殊感知能力的參數得到研究者的推崇。其實際頻率f與Mel頻率fMel之間的轉換關系如式（1）所示，其中fMel的單位為Mel，f的單位為Hz。MFCC的提取過程如圖1所示，其參數分布示例圖如圖2所示。

　　圖2MFCC的參數分布示例圖由圖2可知，隨著維數的升高，MFCC變化幅度變小，升高到一定程度后，系統識別性不僅沒有提高，反而增加了運算量。

　　1.2加權Mel頻率倒譜系數

　　為了得到更具區分性的加權特征參數，本文采用升半正弦函數［3］進行加權，如式(2)所示：

　　r=0.5+0.5*sin(π*（i-1）/n)(2)

　　其中i=1,2,…，n為維數，本文n=24，0.5是靜態分量。為了更準確地體現不同說話人的個性特征差異［4］，本文提出另一種加權函數如式(3)所示，得到改進的加權特征參數IWMFCC。

　　r1=0.5+0.5*sin(2π*(i－1)/n)(3)

　　1.3DWTWC語音特征參數提取

　　在提取特征參數時，用離散小波變換代替傅里葉變換，用中頻區域分布密集的MidMel濾波器組［56］代替原來的濾波器， DWTWC參數的提取步驟如下：首先對語音信號進行預加重、分幀加窗等；接著用離散小波變換［7］對預處理后的信號進行處理，選擇適當的小波基和分解層數對其分解，并計算小波系數；然后利用頻譜的拼接把系數組成一組參數，求其能量；最后取對數，再經過DCT可得到相應的DWTWC。其提取過程如圖3所示。

　　與MFCC提取流程不同的是其前端處理采用離散小波變換［8］，Mel濾波器換成了Mid-Mel濾波器組，有效補充了中頻區域的語音信息。

2DWI-MFCC混合特征參數

　　為了提高識別率，需對MFCC、WMFCC、IMFCC和DWTWC進行融合，用增減分量法［9］對維度進行篩選，將對識別率貢獻最大的n階分量進行組合，得到新的混合特征參數，如式(4)所示：

　　R(i)=1n∑j>i(p(i,j)－p(i+1,j))+p(i,i)+

　　∑j<i(p(j,i)－p(j,i－1))（4）

　　其中，n為階數，p(i,j)為從第i到第j階的識別率，R(i)為第i階分量平均貢獻值，若其大于0，則對識別有貢獻，反之則使識別率下降。文中僅順序摒棄或增添特征分量［10］。由式(4)計算出各參數中對識別率貢獻最大的特征分量，對其組合得到新的特征參數，即 DWIMFCC。

3實驗結果與分析

　　3.1不同特征參數歐氏距離排名對比

　　本文從專業配音網站提取語音庫，采樣頻率為8 kHz，量化精度為16 bit。提取16階MFCC，計算被模仿者與模仿者語音的MFCC和DWIMFCC的歐氏距離，然后對其從小到大排序得到表1。

　　由表1可得，采用DWIMFCC的原語音和模仿語音的排名一致性高達87.5%，證明 DWIMFCC不但有效補充了MFCC在中頻區域的語音信息，而且很好地體現了語音個性特征；而采用MFCC時，排名一致性只有43.75%，這是因為MFCC中只包含了語音的靜態特性。綜上，本文提出的DWIMFCC對語音模仿的區分能力更強，能更有效區分出原語音和被模仿語音。

　　3.2不同特征參數實驗結果的對比

　　為驗證特征參數的語音模仿區分性能，建立基于SVM的蓄意模仿識別系統，首先選取80人模仿語音庫中16位名人的聲音。訓練階段，先提取目標說話人與待測試說話人的特征參數，將其分別記為“+1”類和“-1”類并用以訓練出目標說話人的SVM模型。測試階段，將待測試語音與目標說話人的模型進行匹配，再和預先設定的閾值進行比較。本文選取徑向基函數作為SVM的核函數，懲罰系數為3，核函數參數為0.6。實驗采用16階的MFCC和DWIMFCC分別作為樣本建立SVM模型，對數據進行［0,1］歸一化，計算出每個被模仿者使用不同特征參數時的錯誤接受率(FA)，如表2所示，圖4給出了兩者的錯誤接受率的對比圖。

　　從圖4可知，MFCC的錯誤接受率曲線處于DWIMFCC的曲線上方，即DWIMFCC參數的錯誤接受率比MFCC參數的低，從而更有力地說明DWIMFCC的區分性能比MFCC的要好。

4結論

　　本文通過對MFCC特征參數的分布分析，提出了加權MFCC，同時結合離散小波變換引入了DWTWC，根據增減分量法，提出了DWIMFCC。從理論和實驗兩個方面對特征參數的有效性進行了分析，同時采用SVM對反蓄意模仿系統進行匹配分析。實驗表明，本文提出的DWIMFCC相比于傳統的MFCC，對語音模仿的區分能力更強，有更好的識別性能。

　　參考文獻

　　［1］ 李建文,張晉平.基于改進語音特征提取方法的語音識別［J］.微電子學與計算機,2009,26(7):230233.［2］ 柯晶晶，周萍，景新幸，等.差分和加權Mel倒譜混合參數應用于說話人識別［J］.微電子學與計算機，2014，31（9）:8991.

　　［3］ 吳迪,曹潔,王進花.基于自適應高斯混合模型與靜動態聽覺特征融合的說話人識別［J］.光學精密工程,2013,21(6):15981604.

　　［4］ 陳明義,余伶俐,朱晗，等.基于特征參數融合的語音情感識別方法［J］.微電子學與計算機,2006,23(12):168171.

　　［5］ 田永紅. 一種優化的語音特征參數提取方法仿真［J］. 計算機仿真,2013,30（12）:162165.

　　［6］ 吳麗芳. 語音轉換系統中特征參數的研究［D］.南京：南京郵電大學,2013.

　　［7］ 楊陽,毛永毅,鄭敏，等.基于小波變換的AOA定位算法［J］.微型機與應用,2014，33(3):4749,54.

　　［8］ 胡沁春,何怡剛,何靜，等.高斯類小波變換的開關電流頻域法實現［J］.電子技術應用,2014,40(1):4446.

　　［9］ 曹孝玉. 說話人識別中的特征參數提取研究［D］.長沙：湖南大學,2012.

　　［10］ 張璇. 基于Fisher準則的說話人識別特征參數提取研究［D］.長沙：湖南大學,2013.