唐宗渤1, 周萍 2，王茂蓉 2，刘继锦 2

　　（1.桂林电子科技大学 信息科技学院，广西 桂林 541004; 2.桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004）

       摘要：当模仿者蓄意模仿说话人的语音且相似度极高时，说话人识别系统就有可能被欺骗。特征参数的提取是说话人识别的关键环节，直接影响了系统的识别性能。MFCC是语音识别中最热门的特征参数之一，但由于其只反映了语音的静态特性，为了提取更具个人语音特性的特征参数，引入加权MFCC，同时结合离散小波变换得到DWTWC，根据增减分量法，提出了DWI-MFCC。实验表明，DWI-MFCC倒谱系数比MFCC能更有效地区分语音的相似度。

　　关键词：特征参数; MFCC; 蓄意模仿; 增减分量法

0引言

　　广西研究生教育创新计划资助项目(YCSZ2015152)生物认证技术［1］作为一种身份鉴别技术，它具有安全、方便等优点。但与其他生物特性相比，声音更容易被模仿，特别在蓄意模仿与目标说话人的语音相似度极高时，就给识别系统的鲁棒性带来严峻考验。有效的声学特征，可大大提高识别性能。常用的特征参数有基因频率、线性预测参数LPC、Mel频率倒谱系数［2］MFCC等。其中MFCC能充分模拟人耳的听觉感知特性，应用较多。但其只能体现语音的静态特征，为了提取更具个人特性的参数，本文对MFCC作加权处理，结合离散小波变换引进DWTWC，根据增减分量法，提出DWIMFCC。实验表明，DWIMFCC比传统MFCC更能区分语音的相似度，提高识别系统的鲁棒性。

1特征参数的提取

　　1.1Mel频率倒谱系数

　　MFCC ［2］作为模拟人耳特殊感知能力的参数得到研究者的推崇。其实际频率f与Mel频率fMel之间的转换关系如式（1）所示，其中fMel的单位为Mel，f的单位为Hz。MFCC的提取过程如图1所示，其参数分布示例图如图2所示。

　　图2MFCC的参数分布示例图由图2可知，随着维数的升高，MFCC变化幅度变小，升高到一定程度后，系统识别性不仅没有提高，反而增加了运算量。

　　1.2加权Mel频率倒谱系数

　　为了得到更具区分性的加权特征参数，本文采用升半正弦函数［3］进行加权，如式(2)所示：

　　r=0.5+0.5*sin(π*（i-1）/n)(2)

　　其中i=1,2,…，n为维数，本文n=24，0.5是静态分量。为了更准确地体现不同说话人的个性特征差异［4］，本文提出另一种加权函数如式(3)所示，得到改进的加权特征参数IWMFCC。

　　r1=0.5+0.5*sin(2π*(i－1)/n)(3)

　　1.3DWTWC语音特征参数提取

　　在提取特征参数时，用离散小波变换代替傅里叶变换，用中频区域分布密集的MidMel滤波器组［56］代替原来的滤波器， DWTWC参数的提取步骤如下：首先对语音信号进行预加重、分帧加窗等；接着用离散小波变换［7］对预处理后的信号进行处理，选择适当的小波基和分解层数对其分解，并计算小波系数；然后利用频谱的拼接把系数组成一组参数，求其能量；最后取对数，再经过DCT可得到相应的DWTWC。其提取过程如图3所示。

　　与MFCC提取流程不同的是其前端处理采用离散小波变换［8］，Mel滤波器换成了Mid-Mel滤波器组，有效补充了中频区域的语音信息。

2DWI-MFCC混合特征参数

　　为了提高识别率，需对MFCC、WMFCC、IMFCC和DWTWC进行融合，用增减分量法［9］对维度进行筛选，将对识别率贡献最大的n阶分量进行组合，得到新的混合特征参数，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为阶数，p(i,j)为从第i到第j阶的识别率，R(i)为第i阶分量平均贡献值，若其大于0，则对识别有贡献，反之则使识别率下降。文中仅顺序摒弃或增添特征分量［10］。由式(4)计算出各参数中对识别率贡献最大的特征分量，对其组合得到新的特征参数，即 DWIMFCC。

3实验结果与分析

　　3.1不同特征参数欧氏距离排名对比

　　本文从专业配音网站提取语音库，采样频率为8 kHz，量化精度为16 bit。提取16阶MFCC，计算被模仿者与模仿者语音的MFCC和DWIMFCC的欧氏距离，然后对其从小到大排序得到表1。

　　由表1可得，采用DWIMFCC的原语音和模仿语音的排名一致性高达87.5%，证明 DWIMFCC不但有效补充了MFCC在中频区域的语音信息，而且很好地体现了语音个性特征；而采用MFCC时，排名一致性只有43.75%，这是因为MFCC中只包含了语音的静态特性。综上，本文提出的DWIMFCC对语音模仿的区分能力更强，能更有效区分出原语音和被模仿语音。

　　3.2不同特征参数实验结果的对比

　　为验证特征参数的语音模仿区分性能，建立基于SVM的蓄意模仿识别系统，首先选取80人模仿语音库中16位名人的声音。训练阶段，先提取目标说话人与待测试说话人的特征参数，将其分别记为“+1”类和“-1”类并用以训练出目标说话人的SVM模型。测试阶段，将待测试语音与目标说话人的模型进行匹配，再和预先设定的阈值进行比较。本文选取径向基函数作为SVM的核函数，惩罚系数为3，核函数参数为0.6。实验采用16阶的MFCC和DWIMFCC分别作为样本建立SVM模型，对数据进行［0,1］归一化，计算出每个被模仿者使用不同特征参数时的错误接受率(FA)，如表2所示，图4给出了两者的错误接受率的对比图。

　　从图4可知，MFCC的错误接受率曲线处于DWIMFCC的曲线上方，即DWIMFCC参数的错误接受率比MFCC参数的低，从而更有力地说明DWIMFCC的区分性能比MFCC的要好。

4结论

　　本文通过对MFCC特征参数的分布分析，提出了加权MFCC，同时结合离散小波变换引入了DWTWC，根据增减分量法，提出了DWIMFCC。从理论和实验两个方面对特征参数的有效性进行了分析，同时采用SVM对反蓄意模仿系统进行匹配分析。实验表明，本文提出的DWIMFCC相比于传统的MFCC，对语音模仿的区分能力更强，有更好的识别性能。

　　参考文献

　　［1］ 李建文,张晋平.基于改进语音特征提取方法的语音识别［J］.微电子学与计算机,2009,26(7):230233.［2］ 柯晶晶，周萍，景新幸，等.差分和加权Mel倒谱混合参数应用于说话人识别［J］.微电子学与计算机，2014，31（9）:8991.

　　［3］ 吴迪,曹洁,王进花.基于自适应高斯混合模型与静动态听觉特征融合的说话人识别［J］.光学精密工程,2013,21(6):15981604.

　　［4］ 陈明义,余伶俐,朱晗，等.基于特征参数融合的语音情感识别方法［J］.微电子学与计算机,2006,23(12):168171.

　　［5］ 田永红. 一种优化的语音特征参数提取方法仿真［J］. 计算机仿真,2013,30（12）:162165.

　　［6］ 吴丽芳. 语音转换系统中特征参数的研究［D］.南京：南京邮电大学,2013.

　　［7］ 杨阳,毛永毅,郑敏，等.基于小波变换的AOA定位算法［J］.微型机与应用,2014，33(3):4749,54.

　　［8］ 胡沁春,何怡刚,何静，等.高斯类小波变换的开关电流频域法实现［J］.电子技术应用,2014,40(1):4446.

　　［9］ 曹孝玉. 说话人识别中的特征参数提取研究［D］.长沙：湖南大学,2012.

　　［10］ 张璇. 基于Fisher准则的说话人识别特征参数提取研究［D］.长沙：湖南大学,2013.