声纹识别技术在电子商务安全认证中的应用

随着公用网络基础设施的逐步完善及各种新兴的宽带接入技术的涌现,在线支付的商务方式以其特有的优势迅猛的发展起来。因而电子商务成为近年来人们关注的焦点,它使社会的商务方式发生了变革,但是电子商务的软肋也阻碍了其迅速的发展,即电子商务的安全性问题是其亟待解决的核心问题,现提出了一种基于声纹识别与数字加密相结合的技术来实现安全的电子商务身份认证,与此同时也简单介绍了声纹识别算法的改进措施及认证技术的实现过程。     

基于DSP的声纹识别技术的研究

论述了声纹识别技术的基本原理,采用DSP及其他可编程芯片设计出声纹识别系统的硬件部分,阐述了其结构及工作原理。基于隐马尔可夫模型为算法,以线性预测倒谱系数和Mel频域倒谱系数为特征矢量进行了系统仿真。结果表明,在结合使用两种倒谱系数及差分时,系统具有较高的识别率。     

声纹识别技术在听音知人中的应用

人工话务在国家抗洪抗灾、会议安保、应急处突等重大任务中发挥了关键作用,同时对话务员的保障水平提出了很高要求.话务员的"四功"训练是提高话务水平的基础,手功、脑功、口功的训练均有系统科学的方法,只有耳功训练缺少技术手段支持.急需一种可靠有效的技术手段来辅助话务员提高听音知人准确率.本文首先介绍了声纹识别系统和技术原理,然后根据话务员听音知人的实际情况,提出了声纹识别的几种关键性技术模型,为下一步在话务员听音知人训练中如何利用声纹识别技术作为辅助手段提供了理论支持.     

应用微表情识别技术实现公安预警模式的探讨

随着深度学习的不断深入,计算机识别迎来了崭新的发展机遇,以微表情行为识别、人脸识别、声纹识别等为代表的前沿技术,已经进入新的研究阶段,并且取得了非常显著的效果。微表情识别技术由传统的经验传承到由以深度学习为基础的智能化识别,使得该项技术有了更广泛的应用场景。随着该项技术的不断成熟其应用的场景将更加广泛,通过对微表情的识别原理和基于深度学习的微表情识别技术的识别原理和技术特点的简要介绍,拓展延伸出该项技术在侦查讯问、视频侦查、监所预警、重点人员筛查和大型活动预警等领域的应用。     

基于多特征序贯判决的电话语音声纹鉴别方法研究

提出一种基于倒谱特征矢量量化结合音调特征序贯判决的电话语音声纹识别方法．文中分析了长时LPC倒谱特征和音调特征的特性；根据LPE倒谱各维分量对说话人识别贡献不同，改进了失真测度；用矢量量化方法建立每个说话人语音模型，构成一种分类准确、存储数据少、响应速度快的不依赖文本的声纹鉴别系统；构造一种简化的音调测度，将声道和声源特征结合，采用序贯判决策略，提高了系统的顽健性．实验表明，在60位说话人集合中，用大约10秒的话音做识别，正确率达95％以上．     

基于声纹识别的变压器工况检测方法及验证系统

通过对大型电力变压器（电抗器）声纹信号采集、处理与特征分析,提出了一种基于声纹识别技术的变压器工况检测方法及验证系统,实现对变压器工作状态的判断检测。首先,通过声纹采集传感器实地采集获取73组变压器音频,共约1800 min;其次,分别运用分段、分帧、加窗音频预处理方法对所采集的变压器声纹进行去噪处理;再次,综合运用能量特征、频率特征、梅尔频率倒谱系数、频率压缩方法提取变压器声纹特征并进行有效融合;最后,针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题,提出一种基于余弦相似度算法实现声纹叠加的分离检测,同时建立一套变压器工况检测与验证分析系统。     

基于非线性堆叠双向网络的端到端声纹识别

传统声纹识别方法过程繁琐且识别率低,现有的深度学习方法所使用的神经网络对语音信号没有针对性从而导致识别精度不够。针对上述问题,本文提出一种基于非线性堆叠双向LSTM的端到端声纹识别方法。首先,对原始语音文件提取出Fbank特征用于网络模型的输入。然后,针对语音信号连续且前后关联性强的特点,构建双向长短时记忆网络处理语音数据提取深度特征,为进一步增强网络的非线性表达能力,利用堆叠多层双向LSTM层和多层非线性层实现对语音信号更深层次抽象特征的提取。最后,使用SGD优化器优化训练方式。实验结果表明提出的方法能够充分利用语音序列信号特征,具有较强的时序全面性和非线性表达能力,所构造模型整体性强,比GRU和LSTM等模型具有更好的识别效果。     

基于声纹识别的安全保障系统设计

文章阐述声纹识别的理论依据,分析选用技术的关键步骤。基于Matlab软件,制作一个系统。通过相关算法的运用和改进,并进行实验对系统进行检测,最终获得一个可对特定人声进行识别的系统,且误识率(FAR)和拒识率(FRR)较低。     

声纹识别在虚拟仪器平台的实现

采用LabVIEW软件和声卡构建一个声纹识别系统.通过对音频信号的采集及处理,分析说话人的声音,提取出语音的频率时间序列作为特征值,建立模型库.识别时,由系统对现场输入的语音采样、提取特征值,并与注册样本模型进行匹配,根据其结果作出是否一致的判断.系统测试结果表明,用提取文本语音频率时间序列进行身份认证是一种能满足实际要求的可行方法.该方法可以区分不同的说话人,能有效地克服环境噪声带来的影响,并且在做说话人确认测试时达到较高的识别率.在采用麦克进行语音录入与匹配时,学习、识别时间短,声纹确认准确,声纹确认的漏识率小于1%.具有无区域限制,简单方便,成本低等特点,可以为声纹识别系统的应用提供一个安全可靠的技术支持.