基于说话认识技术的敏感人物身份确认系统开题报告

新疆大学信息科学与 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 学院本科毕业论文(设计)开题 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 题目：基于说话认识技术的敏感人物身份确认系统专业信息安全姓名罗坤学号20121305207联系方式15899203622年级2012级指导教师杨文忠联系方式13699397081开题日期2016.03.09新疆大学信息科学与工程学院目录1.题目来源及开发目的和意义 11.1项目来源 11.2项目开发目的和意义 12.国内外研究现状 23.系统功能的实现 33.1设计 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 33.1.1系统功能描述 33.1.2系统性能需求 43.2系统功能设计 43.2.1系统主要功能模块设计 44.开发环境和开发工具 54.1开发语言 54.2开发工具 54.3开发环境 55.项目进度安排、预期达到的目标 65.1进度安排 65.2预期达到的目标 6参考文献 71.题目来源及开发目的和意义1.1项目来源本论文题目来源于老师教师科研，论文通过对说话人识别的原理的了解，对基于说话认识技术的敏感人物身份确认系统进行需求 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 ；从而设计基于说话认识技术的敏感人物身份确认系统的系统模型；以实现一个简单基于说话认识技术的敏感人物身份确认系统原型；故论文涉及的内容具有较强的实践应用意义。1.2项目开发目的和意义语音是人类之间交流情感与认知的重要信息载体，是在生活与工作中最基本、最自然的交流方式。随着信息技术的发展，使得通过分析语音信号中的个人特征来识别说话人成为可能。说话人识别技术因其良好的准确性、经济性和可扩展性，拥有着广阔的发展空间，且已经作为一项重要的多媒体数据分析技术，应用在事务访问控制、身份验证、语音数据管理和音频监控等众多研究领域。说话人识别是根据说话人的声音分辨确认人物身份的过程，是目前的一个研究热点。新疆地区突发事件，给人民的生命财产安全带来了相当大的威胁。实际上，侦查人员在对犯罪分子进行识别的过程中耗费了相当精力和时间进行敏感人物确认，然而这种耗时的工作并不太适合人工处理，在实际应用中可以借助说话人识别技术辅助检索，加快确认，并减少人力和物力支出。本系统将说话人识别技术应用在新疆突发事件中，主要内容是开发辅助犯罪分子确认系统，可快速确认突发事件中的敏感人物在以后的音视频中出现的证据，为快速抓捕敏感人物服务，为新疆平安城市的建设服务。2.国内外研究现状对于说话人识别技术的研究，一直是计算机领域的热门话题。其研究历史可以追溯到第二次世界大战后期。在随后的几十年中，说话人技术快速发展，典型的研究成果有基于模式匹配和统计方差分析的说话人识别方法、基于线性预测分析与倒谱分析的说话人识别方法，人工神经网络(Artificialneuralnetwork，ANN)、动态时间规整(Dynamictimewarping，DTW)技术以及矢量量化(Vectorquantization，VQ)技术。但随着精确度更高的概率模型的提出，上述方法逐渐退出了使用。具有代表性的概率模型是隐含马尔科夫模型(HiddenMarkovmodel，HMM)，由于HMM对说话人语音信号有较强的鲁棒性，能够同时把统计参数全部集成在一个统一的框架中，用状态转移规律刻画稳定段之间的变化过程，统计声学特征和时间上的变动，因此在说话人识别中得到广泛的应用。20世纪90年代，单状态的HMM即获提出，也就是高斯混合模型(Gaussianmixturemodel，GMM)，随后则将通用背景模型(Universalbackgroundmodel，UBM)引入到GMM中形成了GMM－UBM系统，由于其优异的识别性能、简单灵活的模型结构和出众的鲁棒性，成为文本无关的说话人识别系统领域里发挥开创性引领作用的重要研究成果。目前，说话人识别技术已经取得了巨大的进步，在科技发展的带动下，以说话人识别技术为载体的电子科技产品日益增加，但是在拓展说话人识别技术应用范围的同时，也使其面对了更多变、更复杂的噪声干扰问题，这就对说话人识别技术提出了更加严苛的要求和更为严峻的挑战。其中信道畸变所引起的干扰即是噪声干扰的主要来源。在GMM－UBM的基础上，以解决信道畸变问题的联合因子(Jointfactoranalysis，FA)与i－vector方法则相继获得提出，也已成为目前说话人识别领域中最为先进的技术之一。说话人识别按系统的实现方式,可以分为与文本相关的说话人识别和与文本无关的说话人识别。前者是指训练和识别都采用相同的词或句子,后者则是训练和识别的内容可以不同。近30多年来,在这一领域取得了重大的进展。商用系统已经在很多领域得到应用。说话人辩认系统在司法领域中可以帮助对嫌疑人的查证。日本警方研究人员经过长期研究表明说话人识别可以作为可信的法庭证据。说话人确认系统则更多地用在保安领域,如机密场所的进入控制、合法使用通信线路、机要设备的身份核查及电子银行转帐业务的安全检查等。以上是对国内外有关领域研究现状的简介，说话人认识技术的应用广泛并且发展迅速，但在敏感人物身份确认的领域上还有很大的发展空间。3.系统功能的实现3.1设计方案3.1.1系统功能描述说话人识别是一个模式识别问题，即模式归类问题，整个过程包括训练和识别两个阶段。训练阶段，系统的每个使用者说出若干训练语句，系统据此建立每个使用者的模板或模型参数，构成包含所有使用者的参考模式库。识别阶段，将待识别说话人所说的语音经特征提取后与系统训练时产生的模板或模型参数进行比较，从而确定说话人的身份。具体的功能实现框图如图3.1所示。图3.1说话人识别系统框图预处理过程包含分帧和端点检测两个部分。由于语音信号只在短时间内具有平稳性，因此要将信号作分帧处理。分帧后，语音信号被分割成一帧一帧的短时信号。本文使用交叠分帧的方法，即前后相邻的两帧有重叠的部分，这样可以使帧与帧之间平滑过渡，保持其连续性。端点检测是为了减少噪声的影响。噪声也即无声段。短时能量可以区分浊音和噪音。短时过零率可以区分清音和噪音。因此，本文使用二者的乘积——能频值，来实现语音端点检测，以去除无声段。特征提取时，本文选用线性预测倒谱系数（LinearPredictiveCepstralCoefficients，LPCC）、差分线性预测倒谱系数、基音频率以及差分基音频率四种特征的特征组合来表征说话人的特征。其中，线性预测倒谱系数和基音频率反映的是生成语音的发音器官的差异，差分线性预测倒谱系数和差分基音频率反映的则是发音器官发音时动作的差异。码本生成和模式匹配也就是一般模式识别中的分类决策，本文选用HMM的方法实现。基于HMM的说话人系统识别分两个阶段，训练阶段和识别阶段。训练阶段，针对各使用者对规定语句或关键词的发音进行特征提取，提取说话人语音特征矢量的时间序列。利用从左到右的HMM建立这些时间序列的声学模型。文本固定，特征矢量的时间构造确定，利用从左到右的HMM能较好的反映特征矢量的时间构造特性。识别阶段，先和训练阶段一样，从输入语音信号中提取特征矢量的时间序列，利用HMM，计算该输入序列的生成概率，根据一定的相似准则判定识别结果。对于说话人辨认系统，所的概率值最大的参考模型所对应的使用者，判定为发音的说话人。说话人确认系统，则把所得的概率值与判决门限比较，其值大于或等于判决门限的声音接受，否则拒绝。3.1.2系统性能需求基于说话认识技术的敏感人物身份确认系统以准确性、实用性、界面友好性为的原则，对系统的实现将满足以下性能要求：（1） 准确性系统的开发首先将准确性放在首位，能够根据说话人的声音准确的判断说话人的身份。（2） 实用性能够辅助犯罪分子确认系统，可快速确认突发事件中的敏感人物在以后的音视频中出现的证据，为快速抓捕敏感人物服务，为新疆平安城市的建设服务。（3） 界面友好性系统开发必须按照科学的开发原则，在对系统的界面设计上应可操作性强，便于人机交互。3.2系统功能设计3.2.1系统主要功能模块设计（1） 语音信号采集的设计使用javax.sound.sampled包中提供的用于捕获、处理和回放取样音频数据的各种接口和类实现对说话人语音信号的采集。（2） 语音信号预处理设计语音信号预处理模块的功能是对输入的语音采样信号进行预加重、分帧和端点检测操作。经过本模块处理后，语音信号提高了信噪比，且连续的信号被分割成一帧一帧具有稳定性的短时信号。（3） 语音信号特征提取设计语音信号特征提取模块的功能是从预处理模块输出的有效语音帧信号中，提取出反映说话人特征的线性预测倒谱系数（LPCC）、差分线性预测倒谱系数、基音频率以及差分基音频率四种参数。（4） 语音信号识别的设计对测试语音进行（1）、（2）、（3）的处理，然后通过隐马尔科夫模型(HiddenMarkovmodel，HMM)，对测试的语音进行人物身份的识别。4.开发环境和开发工具4.1开发语言论文项目将使用Java、Matlab或Python等作为开发语言。4.2开发工具论文项目将使用Eclipse平台和SQLserver数据库。4.3开发环境论文项目将使用Windows7操作系统平台进行开发。5.项目进度安排、预期达到的目标5.1进度安排项目进度及毕业设计（论文）工作安排见表5-1。表5-1项目进度及毕业设计（论文）工作 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 表起始时间完成时间计划工作内容2016.01.102016.03.151、查阅文献了解说话人识别的原理和相关技术；2、对基于说话认识技术的敏感人物身份确认系统进行需求分析；2016.03.162016.03.23设计基于说话人识别技术的敏感人物确认系统原型2016.03.242016.04.05论文初步撰写2016.04.052016.04.24编码实现基于说话人识别的敏感人物确认系统2016.04.252016.04.29系统测试评估，整理有关文档2016.04.302014.06.01撰写、修改论文，参加毕业答辩5.2预期达到的目标设计基于说话认识技术的敏感人物身份确认系统模型；实现一个简单基于说话认识技术的敏感人物身份确认系统原型。并可进行对说话人的身份识别。参考文献[1]丁爱明.基于MFCC和GMM的说话人识别系统研究[D].河海大学,2006.[2]张成.说话人识别研究及实现[D].国防科学技术大学,2005.[3]郭春霞.基于MFCC的说话人识别系统研究[D].西安电子科技大学,2006.[4]王书诏.基于高斯混合模型的说话人识别系统的研究[D].大连理工大学,2006.[5]陈强.基于GMM的说话人识别系统研究与实现[D].武汉理工大学,2010.[6]王玥.说话人识别中语音特征参数提取方法的研究[D].吉林大学,2009.[7]钟林鹏.说话人识别系统中的语音信号处理技术研究[D].电子科技大学,2013.[8]郭春霞,裘雪红.基于MFCC的说话人识别系统[J].电子科技,2005,11:55-58.[9]王书诏,邱天爽.说话人识别研究综述[J].电声技术,2007,01:51-55+65.[10]TobiasHerbig,FranzGerl,WolfgangMinker.Self-learningspeakeridentificationforenhancedspeechrecognition[J].ComputerSpeech&Language,2011,263:.[11]AdityaArieNugraha,KazumasaYamamoto,SeiichiNakagawa.Single-channeldereverberationbyfeaturemappingusingcascadeneuralnetworksforrobustdistantspeakeridentificationandspeechrecognition[J].EURASIPJournalonAudio,Speech,andMusicProcessing,2014,20141:.