说话人识别技术及其在工厂自动控制系统中的应用

郭晓丽 程远

摘 要：最近几年，说话人识别技术正在不断发展。在身份确认关联的领域内，它凸显了重要的作用。保障现场安全，防止身份不明的人员进入。夜间时段无人值守，也要配有自动辨识这样的体系。它能通过判别声音频谱，辨别出说话人。自动管控特有的工厂系统，在真实运用之中应当搭配最优的软硬件，慎重辨别身份。

关键词：说话人识别技术；工厂自动控制系统；具体应用

中图分类号：TN912.34 文獻标识码：A 文章编号：1006-8937（2015）08-0050-02

说话人识别体系采纳实时端点这样的测定算法、基于帧的可行算法。它采纳MFCC特有的参数，当成可辨识的参数。选取矢量量化、模板匹配这样的识别计算。通过测试可知，说话人辨识特有的技术框架，提升了原有的识别水准，保障了自动化架构之下的工厂安全。与此同时，也便于平日操作，提升运行效率。

1 概要的识别流程

说话人识别，是数字处理特有的语音处理。这种识别方式与语音识别很近似，都是根据接纳的某一语音，予以信号辨识；在这以后，提炼出有关的特征，并建构辨识必备模型。说话人识别、近似特性的语音识别，还是带有差异的。具体而言，说话人识别预设的侧重点，并非辨识语义内涵，而是从原有的信号以内提炼出个体特性。

说话人识别细分的层面，包含主体辨认、主体确认。说话人特有的辨认步骤，是把没能标识出来的语句，设定成若干主体范畴之中的某一主体，带有选择的特性；主体确认依托的步骤，是根据拟定好的语句，判别是否相符。这种确认程序，只包含双重可能：肯定及否定。

说话人识别这一体系包含初始的认知时段和后续的识别时段。在认知时段，根据发声语句，建构精准特性的模型、参量特有的参考集。在后续的识别时段，通过语音特有的导出参量，来比对预设的参量集，或者设定好的模板。说话人确认这样的体系，把输入过来的语音参量，比对特有的个体语音。若二者比对得来的差值没能超出预设的阈值，则应能确认，否则予以否认。

2 自动控制运用

体系架构之内的工控机，被设定成工厂布设的上位机。它依托着PCI特有的总线，接纳现场传递过来的电话语音，并输入接纳的这类信号。工控机调配着数据库、电话报警特有的界面、控制特性的界面。它能辨识进到场地之中的操作主体，辨识语音属性，接受远程特性的指令。PLC及场地架构的RS232，能够互通信息。自动控制细分出来的现场控制，接纳了开启指令，可以依循设定好的逻辑，自动管控开关，并管控变频器。

PLC接纳传感数据发给上位机，上位机辨识下位机供应过来的这些数值，然后预设反馈指令。说话人识别特性的板块，包含拟定好的授权验证、拟定命令输入。在这之中，DSP是辨识模块特有的中心部分，能够提炼关涉的特征参数、匹配多重模板，同时辨识有关的判决。DSP凸显的优势，是计算速率很快、内存量被拓展、数值交换特有的速率也快。它能创设复杂架构下的算法，搭配DSP特性的芯片，完成识别运算。

3 识别之中的端点测定

端点测定特有的方式，是识别体系架构中的前端处理。端点检测特有的精准性，密切关涉识别之中的精准性。例如：给出10个特有的英语数字，在识别测定之中，端点误差若超出了50 ms，那么对应着的识别率，就会限缩20%。说话人识别特有的框架，创设了基于帧的、实时端点查验依托的方式，以便测算端点。

首先，根据语音特有的能量状态、过零率变更的总倾向，予以简单测定。这样做，能够辨识语音固有的始末点范畴，提炼频谱特性。

其次，FFT解析得来的频谱结果，包含多频段特有的布设特征。根据这一特性，可以判别元辅音。

再次，明晰了元辅音、对应着的浊音以后，采纳前后拓展这样的搜索路径，辨识端点特有的帧。端点检定预设的这类算法，根据语音固有的根本特性，随时测定端点。它适应变更着的环境，排除了干扰，提升测定之中的精准层级。

4 辨识语音特性

4.1 提炼主体特性

说话人独有的语音特性，关联着更广范畴的心理状态、个体生理发音。为此，个体表征的语音特性，带有动态变更的倾向。这种特性涵盖了某一范畴的语音谱、多声道凸显的特性；与此同时，还包含带有超音段这样的特性、个体声门状态。说话人固有的语音，很难被直接显示。为此，采纳语音提炼这一方式，来辨识语音特征。

搜索得来的信号，包含语音特性、主体个体范畴的若干特性。这些交织特性，表征了复杂形式。特性提取依托的步骤，是采纳明晰的语音特征，以便解析信号。这样做，就舍掉了本源的信息内容，存留了独有的个体特性。从信息论看，语音辨识关涉的参数影响，是信息压缩这一总流程。

4.2 线性预测解析

线性预测特有的解析技术，也即LP这一技术，是参数提炼这一领域以内的广泛技术。布设的应用系统也惯用这一技术提炼出明晰的倒谱参数。传统框架内的预测模型，带有单纯数学特性，没能考量听觉特有的处理途径。Mel特有的感知预测，能够判别倒谱系数，它建构在感知的根基之上。在某一层级内，它仿照了肌体特有的处理途径，是依凭听觉体系，推导得来的声学特性。

听觉机理调研表征着：若设定好的频率近似，音调同时发声，则耳朵只能辨识这样的一个音调。临界带宽预设的边界，是主观特有的突变界限。具体而言，若音调潜藏着频率差，没能超出这样的临界，则耳朵会混同它们，被看成屏蔽效应。采纳Mel特有的刻度，以便度量这一带宽。

4.3 具体运算步骤

识别系统范畴内，MFCC特有的运用正在逐渐推广。具体而言，它先对整合得来的语音信号，予以分帧处理，把每一帧以内的语音，变更成FFT频域。在这以后，它会依循设定好的刻度，采纳三角架构内的滤波器，予以卷积运算。最后，对于滤波器布设的输出构成、设定好的对数能量，采纳离散态势下的余弦变换，以明晰语音特征。

5 辨识匹配模式

说话人识别包含模板匹配、隐含特性的模型、人工建构起来的神经元网络。细化框架内的识别计算，预设了动态特性的时间规整、对应矢量量化。动态特性的规整，也即DTW，是典型范畴的特定人算法。它规避了自然状态之下的语速差别，采纳时间规整，匹配了模板表征的特性序列、语音的这一序列。比对二者的失真，得到辨识根据。

矢量量化特有的辨识方式也被广泛采纳。这种新式技术，规避了语音分段。它被设定成数据压缩依凭的主要途径，缩减了存留着的总数据量。矢量量化关涉的分类特征，也能判别真实的主体，提升判别的准确概率。

6 结 语

工控特性的上位机，包含说话识别特有的细化模块。工控机管控着建构的数据库、提供明晰的界面；根据精准参数，设定电话报警。自动辨识说话人，可识别现场以内的操作主体、电话语音特有的真实性，还能接纳远程管控范畴内的一切指令。布设的工控机衔接着PLC及预设的通信接口。PLC架构以内的现场控制，能够接纳上位机拟定好的开启指令。除此以外，电话语音衔接着的识别模块，还安设了语音卡，便利电话操作。

参考文献：

[1] 覃爱娜，韩华.说话人识别技术及其在工厂自动控制系统中的应用[J].长沙电力学院学报（自然科学版），2013，（2）.

[2] 雷鹏.工厂自动控制系统的说话人识别模块实现[J].电声技术，2012，（10）.

[3] 杨海燕，杨斌，景新幸.说话人识别技术在智能家居中的应用[J].电声技术，2014，（5）.