论文部分内容阅读
随着科学进步和网络技术的不断深入发展,利用计算机及网络作为犯罪工具的各类犯罪显著增多,而其产生的电子数据已经成为当前司法鉴定研究热点问题之一。语音电子数据作为电子数据中获取最便捷的司法证据之一,在司法证据中占据了相当大的比重,这也使自动化语音鉴定技术的理论意义和实用价值越来越受到人们重视。本文以司法语音同一性鉴定系统的设计与实现为基础开展工作,通过查阅大量国内外相关文献资料,学习并深入研究了语音识别的相关理论与技术,设计了一套适合司法鉴定中使用的智能语音同一性鉴定系统。该系统主要分为说话人分割聚类和语音同一性鉴定两部分,前者是对检材语音进行预处理,后者是对处理后的目标语音进行说话人同一性鉴别,其主要工作内容如下:第一,针对司法语音材料的特点,本文采用著名的K均值聚类算法来实现说话人分割聚类,然后在此基础上提出了一种改进的球型K均值(SPK)聚类算法来提升聚类效果。实验证明,相比一般K均值聚类的做法,改进的球型K均值(SPK)聚类算法具有更好的分类效果及抗干扰性。第二,针对目前语音同一性鉴定中,说话人特征提取一般选用的都是MFCC特征,本文提出了一种新的基于源滤波器模型的特征提取方法。这种做法根据语音滤波器生成模型,首先提取表达声道特征的LPC系数;然后根据Bark子带划分,对源滤波器模型中的激励信号进行子带感知滤波;最后将LPC系数和子带滤波能量特征组合作为新的说话人识别特征,解决了特征提取中传统MFCC特征易受噪声影响的问题。然后将这种新特征引入到适用性更广泛的GMM-UBM模型进行语音同一性鉴定,实验证明在系统等错误率(EER)上比传统MFCC特征降低了30.69%。第三,结合提出的改进SPK聚类算法和源滤波器模型特征提取方法,本文构建了基于GMM-UBM模型的司法语音同一性鉴定系统。并在该系统中加入语音信号可视化模块,通过检测共振峰的方法,让使用者可以直观的观察不同说话人语音特点,以起到人工辅助鉴定的作用来确保鉴定的准确性。