论文部分内容阅读
声纹识别技术是一种生物认证方式。由于语音具有易采集、易传输、易存储等优点,使得声纹识别技术在未来身份认证领域中具有广阔的应用前景。然而随着语音合成技术的不断发展,利用现有的合成技术可以很容易地伪造出具有某个目标人声纹特性的语音。目前绝大多数声纹识别系统不能辨别这类伪造的语音与目标人真实发出的自然语音,容易将它们认为是目标人发出的声音,从而产生认证错误。这从一定程度上影响了声纹识别系统的可靠性,限制了其在实际场景中的应用。语音合成方法可以分为两大类,参数语音合成法和拼接语音合成法。本学位论文针对隐马尔可夫模型参数合成语音和拼接合成语音,分别研究并提出了鉴别算法。由于语音伪造技术并不仅只有语音合成技术,如语音转换技术也可以把一段其他人的语音转换成具有目标说话人声纹特性的伪装语音。因此本论文也考察了所提出的两个合成语音鉴别特征是否具有通用性,即这两个鉴别特征能否检测由其它伪造技术生成的语音。具体研究内容包括以下三个方面:(1)对目前本研究方向的主要进展进行了总结和归纳,同时对伪造语音数据库进行梳理。重点围绕SAS伪装语音数据库,对其结构、规则和基于该数据库的已有研究进行了分析。本学位论文也采用了SAS数据库。(2)对于隐马尔可夫模型参数合成的语音,通过对它和自然语音进行小波分解,发现它们的低频小波系数在变化趋势上存在差异。本学位论文提出了基于低频小波系数特征的参数合成语音鉴别算法。该算法使用低频小波系数构造检测特征,利用支持向量机作为分类器,实现了对SAS数据库中参数合成伪装语音的鉴别,平均检测准确率大于99.5%,平均等错误概率小于0.2%,并且对噪声和采样率具有较好的鲁棒性。与此同时,本文也测试了该特征对其他伪造语音的鉴别效果。(3)针对拼接合成的语音,经研究发现拼接合成语音和自然语音的信息量在高频区分布差别较大。本学位论文选择高频子带的信息量作为鉴别特征,分别采用支持向量机和混合高斯模型作为分类器,实现了对SAS数据库中拼接合成伪造语音的鉴别。实验结果表明,检测准确率可达到97.1%,等错误概率可降至4.3%。同时,也研究了该特征对其他伪装语音的鉴别效果。实验结果表明,所提出的基于信息量的鉴别特征,能同时检测由多种伪造技术生成的伪装语音,检测性能优于目前已报道的研究结果,具有较强的通用性。