不同频段共振峰在声纹鉴定中应用价值研究.pdf

2 0 1 1 年第 2期 No 2 2 01 1 中 国 刑 警 学 院 学 报 j o u rna l o f C h i n a C r i mi n a l P o l i c e Un i v e r s i t y 不 同频段共 2 0 1 1 牟 6月 J u n 2 0 1 1 振峰在声纹鉴定中 应用价值研究 庄琳章东 1 南京森林警察学院江苏南京2 1 0 0 0 0 2 南京大学声学研究所江苏南京2 1 0 0 0 0 摘要本 实验通过对元音的线性预测谱 长N L P C h n e a r p r e d i c t i v e c o e f fi e n t s 分析 在 0到 3 k Hz 3 k Hz到 7 k Hz 7 k Hz以上三个频率段 内共振峰频 率 频带宽度 振幅求方差之 比来分析 各频率段特征 的价值 关键词共振峰L P C图谱声纹鉴定话者识别 声纹鉴定中分析的是语音信号中说话人的个性特 征 一般不考虑包含征语音中的字词的含义 合适的 语音特征选择对 于声纹鉴定极为重要 该特征一 方 衙 应具备个体差异高f 自身差异 二者差异越 在 声纹鉴定中的利用价值越高 另 方面应易于从说话 人的语音信号中提取和溯量 汉语元音类 的浊音是由声带的准明期振动 绎 道共鸣调制 由口鼻辐射出来 不同元音的音色反l唼 的频谱结构不同 当元音激励进入声道时会引起共振 特性 产生一组共振频率 称为共振峰 共振峰的参 数主要包括共振峰中心频率的位置 频带宽度和幅 度 共振峰反映了声道的谐振特性代表了发音信息的 最直接 的来 源 人在语 音感知中利用 了共振峰信息 它的频率分布和走向具有良好的特定性和稳定性 是 声纹鉴定中最重要的参考依据 一般认为语音频潜包 络中的最大值就是共振峰 利用线性预测谱长时 I P c 可 以提取频谱包络 图及共振峰 参数 饧俊杰实 验表 明 语音的长时平均 L P C图谱具有较强的个体稳 性 通过检验语音 的长时平均 L P C潜不失 为进 声 纹鉴定的途径之一 但研究人员对元音各次共振峰在话者识别中的鉴 别能力存在争议 杨俊杰等认为不同频率共振峰在话 者识别中区别能力无显著差异 吴新源发现发音 人的 第四共振峰 频率在 3 K H z 以上的共振峰 数据存在较大 差异 反映了语音 的特殊性 对于语音 同一认定有一 定的价值 但未能对第四及以上共振峰的具体作用作 更深入的研究 有的话者识别理论认为低频 中高频 高频范围内共振峰的区别能力随着频率的升高而增强 本研究的目的是进一步阐明各次共振峰在话者识 别中的鉴定能力 通过对男女各 5人一组发音人的元 音进行一段时间的跟踪和多次采样 研究元音共振峰 的频率 带宽 振幅三个参数在不同频率段的变异情 况 对不同人的数据与同一人的数据方差之比进行统 计分析 讨论不 同频率共振峰在声纹鉴定 中的应用价 值 1 实验 1 1仪器 1 1 硬 件 华索 V M 一 4 2 3 数字录音笔 麦克风 计算机 1 1 2 软 件 v s一9 9语音工作站 北京 阳宸电子技术公司 S P S S统计分析软件 1 2样本 共 1 0人 男性 5人 女 l生5人 年龄均 2 1 2 4 岁左右 来 自 全国不同方言区 普通话发音较标准 基 无特殊发音习惯 以自然语声在普通房闯朗读包 含普通话 6 单元音 a J 0 1 f i u J y 的词 组每次 2遍 每隔一至二周采样一次 时间跨 度半 年 共 采样 2 0遍 录音采样率 2 2 k H z 每个采样点 量化精度为 1 6 b i t 1 3 实验内容 利用 v s 一 9 9 语音工作站分析线性预测谱 L P C时 的参数设置为 帧长 2 0毫秒 运算点数 5 1 2 个采样 点 阶数 2 8 哈明窗 其中滤波器阶数与共振峰的 个数相关 通常一对极点对应一个共振峰 因此当共 振峰数为 5时 滤波器阶数应为 1 0 此外当语音为 s t 簪 一 l 2 0 1 1 丘 中国刑警学院学报 6 月 鼻音和摩擦音时 声道传递函数并不符合全极点模型 的假定 而是一个既有极点 又有零点的模型 考虑 到这些情况 滤波器阶数设置为 2 D l 其中D为共 振峰的个数 实验分别提取语音 中相同单元 音 中间段 的长时 时间长度 5 0 2 0 0 m s 左右 视元音稳定程度确定 L P C图谱及共振峰频率 H z 共振峰带宽 H z 共 振峰幅值 d b 等数据 2 各频率段共振峰人间差异大小分析 2 1 样本示意图 图 1 二女生元音 时域波形图 图 1 为女生 1 和女生 2元音 i 的时域波形图 横 轴为时间轴 纵轴为振幅 图 2 为女生 1 元音 i 1 的光 标间长时 L P C图谱 横轴为共振峰频率 纵轴为各 共振 峰振 幅 由图可见 共振峰 的峰值 出现在 2 3 4 Hz 2 9 05 kHz 4 51 4 k Hz 6 91 2 k Hz 7 9 07 k Hz 9 2 9 1 k Hz 及 1 0 3 6 k Hz 处 并且在 2 3 4 H z 处出现最高 峰值 嚣 筹臀 詈嚣 三三 图 2 女生 1元音 日 光标 间长 时 L P C图谱 2 2 图谱分析 图谱分析各段共振峰个体差异大小 将不同个体 相同元音长时 L P C图谱进行正片叠底比对 得到长时 L P C 重叠图谱 图3 及图4 为两女生的fa 1元音及 i 元音 的图谱分析 从 图中可以看出长时 L P C图谱在 3 k H z 以下的共振峰频率 带宽和幅度等重叠较好 尤其低 频部分 7 k H z L P C谱线波 动较小图形差异不明显 图 3 二女生元音 a L P C图谱重叠比对图 图 4 二女生元音 i L P C 图谱重叠比对图 2 3 数据统计分析 为了研究元音各频率段个体差异性 并选择合适 的参数用于声纹鉴定 我们结合图谱比对共振峰差 异 将共振峰分为 低频段 7 k Hz 并对这三个频段进行方 差分析 方差之 比 F分析 以统计分 析各频段共振 峰区别能力 对于某一特征 若同一人说话的不同次 发音 的均值变化较少 但不同说话人发音 的变化较 大 则可用方差之 比 F来衡量这一特征参数 的有效 性 方差之 比 F定义为 F 一不同说话人的特征各 自的均值的方差 一同一说话人各次特征的方差的均值 一均值的方差 全部说话人之间一 i 一方差均值 同一说话人之内 一 式中 i 是指对说话人作平均 i 是指对某说话人各次 的某语音特征作平均 x 为第 i 个说 话 人 的第 a次语 音特 征 Ix i F 值越大的越适合作为说话人的个性特 征用与识别说话人 F 值的大小表明了话者之间差异 大于话者 自身变异的程度 将 同一人 2 O次相同元音分别提取 的 L P C数据 包括共振峰频率 振幅 带宽三项参数 对 2 0 次共 振峰频率 振幅 带宽三项参数分别进行平均处理 并求得各 自的方差均值 再求不同人频率 振幅 带 宽的均值与本人频率 振幅 带宽的方差 求各段频 率方差的 F值 表 1 列出了各频率段的不同人频率 均值的方差与本人频率方差的均值之比 表 2 列出了 各段频率 振幅 带宽三者平均的F 值 3 结果与讨论 统计结果分析表明 共振峰频率在中频段 3 k H z 2 0 1 1 年 庄 琳 章 东 不同 频段共 振峰 在声纹鉴 定中 应用价值研究 第 2 期 到 7 k H z 的方差之比F 平均值均明显大于低频段及高 频段的方差之比F 阴影部分数据大于二边数据 但 是也有例外 在表 l 的男生 2发元音 i 时频率方差之 比 F在 7 k Hz以上为 1 3 8 7 9 而频率在 3 k H z 到 7 k Hz 范围内的方差之比 F为 6 2 6 7 但在表 2该男生发元 音 时在 3 k H z 到 7 k H z 范围内共振峰峰值 带宽 频 率的综合方差之比 F为 1 4 4 8 8 频率小于 3 k H z 范 围 的方差之 比 F为 3 7 4 8和频率大于 7 k H z范围的方差 之 比F为 4 9 9 9 仍然符合结论 这说明共振峰频 率 振幅 带宽 F的平均值 比共振峰频率 F的平均 值更具有判断的价值 F 值越大表明此类特征在不同 人之间差异越大 则越合适用于区别不同人 数据分 析的结果验证了图谱比对的结果 表 1 共振峰频率 F值平均 表 2 共振峰频率 振幅 带宽 F值平均 实验表明 元音的线性预测谱长时 L P C具有个 体特性 特征稳定可靠 话者 自 身差异小 是较好的 个体特征参数 尤其在中频段 3 k H z 到 7 k H z 共振峰 的频率 峰值 带宽对于区别不 同话 者具 有 明显优 势 但由于该研究是在实验室条件下进行 的 语音质 量较高 而实践中检验的语音质量差别较大 因此实 际案件鉴定中还应考虑不同录音设备及录音环境等因 素对语音 L P C数据 的影响 4比对 中应注意的问题 在选取语音段时 应在相同元音相应稳定部位截 取 5 0 2 0 0 ms 左右语音段分析 相同语音不 同部位频 率振幅特征不同 各次共振峰数据应对齐方可进行方差统计分析 一 般共振峰的密度为 相邻共振峰差值约为 1 K H z 由于共振峰仍然是基音的倍音 倍音之间的差值为 N 个基频 对于数据 比较接近的共振峰 考虑到频率掩 盖现象 原则上越细化越好 一个数据划分在哪个区 域要兼顾这组数据的最大值和最小值 考虑到它们之 间的差 看更合适在哪个范围或单独为一个范围 对 于缺峰情况的处理 缺峰有的并不是真的没有峰 对 于是由于软件无法读 出的原因可以采取人工提取 对 于图谱 中真正没有的共振峰 则同一频段中的两个共 振峰对于易缺失的共振峰计算方差时进行权重处理 权重取其出现的百分率 参考文献 1 陈杰 张玲华 说话人识别 中语音特征参数 的研究 1 1 信息技术 2 0 0 6 1 1 2 f 美 T h o ma s F Qu a t i e r i 赵 胜辉 刘 家康 等译 离散 时间语音信 号处理 原理与应用l M 北京 电子工业出版社 2 0 0 4 3 韩纪庆 张磊 郑铁然 语音信号处理 M 清华大学出版社 2 0 0 4 4 张翠玲 法庭语音技术研 究 1 中国社会 出 版 社 2 0 0 9 5 杨俊杰 崔效义 李敬阳 王莉等 利用长 时平均 L P C谱检验 双胞胎语音之探讨 1 1 中 国人 民 公安大学学报 自然科 学版 2 0 0 3 4 6 杨俊杰 白建芳 杨运 生 梁向东 王