一种基于声纹识别的智能测井评价专家系统身份认证方法
【技术领域】
[0001] 本发明涉及一种基于声纹识别的智能测井评价专家系统身份认证方法，属于计算 机信息安全技术领域，应用于测井处理解释软件领域。
【背景技术】
[0002] 国外发展了多种石油测井解释的智能测井评价专家系统，如斯伦贝谢公司的地层 倾角解释咨询系统和岩性模式识别（UT册）专家系统，壳牌石油公司的岩石物性评价知识 库系统（L0GIX)。而国内主要有华北油田和胜利油田的0WLI和LIX测井解释智能专家系统， 但该些智能测井评价专家系统缺少用户身份认证和权限划分，易造成构建的专家知识库被 非法修改和盗用。
[0003] 基于声纹的生物特征信息识别技术，利用人类发音器官的生理差异W及后天形成 的行为差异导致的发音方式和说话习惯的不同，进行身份识别和认证，具有安全程度高，使 用者易接受，生物特征获取成本低廉，认证算法复杂度低等优势，已逐渐取代传统的密码认 证方式。
[0004] 在已有的声纹识别技术中，主要有基于高斯混合模型（专利；CN102194455A和 CN102324232A)和基于矢量量化方法(专利；101055718A)的两大类方法。
[0005] 基于高斯混合模型的方法主要包括训练和待识别样本声纹波形信息的特征提取， 构建训练样本特征向量的高斯混合模型，计算待识别样本特征向量在高斯混合模型中的概 率分布，作为判别条件。缺点：（1)声纹信息特征并不完全符合高斯分布，与高斯模型不够 吻合；（2)模型初始参数的选取比较随机，严重影响系统的识别率；（3)构建高斯混合模型， 训练算法复杂程度高，迭代过程中易出现协方差矩阵元素小于零的情况，造成无法训练得 到最终模型。
[0006] 基于矢量量化的方法主要包括训练和待识别样本声纹波形信息的特征提取，构建 训练样本特征向量的矢量量化码本，采用穷尽搜索，计算待识别样本输入矢量与所有训练 样本码字之间的失真，通过比较找出失真最小的码字，作为判别结果。缺点；（1)从码本中 搜索训练矢量的最近码字需要大量的存储空间和繁琐的计算，当采用大码本和高维矢量 时，计算复杂度将非常大；（2)初始码本的选择影响码本训练的收敛速度和最终码本的性 能。
[0007] 实际应用中还发现该两种方法的鲁棒性较差，对于过慢和过快速的待识别声纹的 识别率很低。
【发明内容】
[0008] 本发明的一种基于声纹识别的智能测井评价专家系统身份认证方法，目的在于使 用用户的声纹信息对智能测井评价专家系统用户进行身份认证，并划分相应的权限，避免 因智能测井评价专家系统中的专家知识库被非法修改和盗用引发的安全问题。
[0009] 本发明的技术方案
[0010] 一种基于声纹识别的智能测井评价专家系统身份认证方法，其特征在于包括W下 步骤：
[0011] (1)采集智能测井评价专家系统每位解释专家用户对同一文本发音的声纹波形， 构成声纹模板库；
[001引 （2)通过待识别用户指示，得到要进行身份认证的解释专家名；
[0013] (3)采集待识别用户对与声纹模板库中构建该解释专家声纹模板相同的文本发音 的声纹波形；
[0014] (4)从声纹模板库中，提取对应该解释专家名的声纹模板；
[0015] (5)对解释专家的声纹模板，进行抗干扰预处理，并提取声纹特征，形成样本特征 矢量序列；
[0016] (6)对待识别用户声纹波形，进行抗干扰预处理，并提取声纹特征，形成待识别样 本特征矢量序列；
[0017] (7)计算待识别用户样本特征矢量序列与该解释专家样本特征矢量序列之间的匹 配距离，如果该距离小于拒识阔值，则判定待识别用户为指示的解释专家，识别成功，系统 开放智能测井评价所用知识库；否则，拒识。
[0018] 上述方案中的步骤巧）、（6)抗干扰预处理方法包括W下步骤：
[0019] (a)提取声纹波形的浊音段；
[0020] (b)对每个浊音段，进行重叠分峽处理；
[0021] (C)对每峽信号，进行加窗处理；
[00过 （d)对加窗后信号进行FFT变换。
[0023] 针对步骤巧）、化）中抗干扰预处理方法的具体实施步骤如下：
[0024] (a)提取声纹波形的浊音段；首先采用倒谱法计算声纹波形的基音频率，信号 s[n]的实倒谱如下式计算：
[00巧]
(1)
[0026] 式中，
将实倒谱c[n]的X坐标n，通过SRreq(采样频率）/ n，转换成频率值；限定基音频率值在70化和500化之间，在该限定频率范围内，寻找实倒 谱C[n]中的最大值，如果该最大值大于0. 09,则对应的频率即为计算的基音频率，否则基 音频率为零；最后，对计算的基音频率进行中值滤波，将不为零的基音频率对应的声纹波形 段，认为是浊音段；
[0027] 化）对每个浊音段，进行重叠分峽处理；峽与峽之间要保证一定的重叠，即峽移， 中贞移与帧长的比值一般在0~1/2之间；
[0028] (C)对每峽信号，进行加窗处理；对每峽数据加汉明窗，即是用有限长窗口对每峽 信号进行加权处理，汉明窗函数如下所示：
[0029]
[0030] (d)对加窗后信号进行FFT变换，得到该峽的频谱为：
[0031]
(3)
[0032] 针对步骤巧）、（6)中提取声纹特征信息采用梅尔频率倒谱系统(MFCC)作为声纹 特征参数，具体实施步骤如下：
[0033] (e)计算每峽频谱X(k)幅度的平方，得到能量谱IX化）|2;
[0034] (f)将能量谱通过Mel频率滤波器组，W实现对语音信号的频谱进行平滑，并消除 谐波，凸显原先语音的共振峰；
[00巧]Mel频率滤波器组是一组H角带通滤波器，中也频率为f(m)，0《m<M，M为滤波器 组个数，取值20~28之间，Mel滤波器Hm似表示如下：
[0036]
(4)
[0037] (g)对Mel滤波器组的输出取对数；压缩语音频谱的动态范围，将频域中的噪声的 乘性成分转换成加性成分，得到对数Mel频谱S(m)如下：
[0038]
(句
[003引 似将对数能量谱S(m)经过离散余弦变换得到MFCC系数，第n个系数C(n)的计 算如下式：
[0040]
[00川式中，L为MFCC参数的维数。
[0042] 针对步骤（7)中的匹配距离计算方法包括W下步骤：
[0043] (i)计算待识别用户样本特征矢量序列中每峽信号的特征向量与指示解释专家样 本特征矢量序列中所有峽信号的特征向量之间的距离；
[0044] (j)寻找峽间距离最小值所对应的峽对作为最优匹配结果；
[0045] 化）计算待识别用户样本特征矢量序列与指示解释专家样本特征矢量序列之间的 所有最优匹配峽对，并对所有最优匹配峽对之间的距离进行平均，作为待识别用户样本特 征矢量序列与指示解释专家样本特征矢量序列之间的匹配距离。
[0046] 本发明与现有技术相比，具有W下优点：
[0047] (1)为智能测井评价系统增加了基于声纹识别的用户身份认证和权限划分机制， 有效保护了知识库不被非法修改和盗用；
[0048] (2)在声纹识别技术中，通过采用抗干扰预处理方法，只提取包含声纹特征的浊音 段，去除清音段的干扰，解决了现有方法鲁棒性差的问题，极大提高了过慢和过快速声纹波 形的识别率。
[0049] (3)在声纹识别技术中，采用基于峽间最优匹配对平均距离计算的模型匹配方法， 具有匹配方法简单、高效，识别准确率高等优点，避免了现有方法中高斯混合模型和码本训 练算法复杂，耗时、成功率低W及匹配码字搜索计算复杂程度大等问题。
【附图说明】
[0050] 图1所示为本发明方法提出的一种基于声纹识别的智能测井评价专家系统身份 认证方法的系统流程结构图。
【具体实施方式】
[0051] 本实施例给出的一种基于声纹识别的智能测井评价专家系统身份认证方法，首先 为智能测井评价专家系统的每位解释专家用户构建声纹模板库，通过采集H次每位解释专 家用户对同一文本发音的声纹波形，经过量化后，W解释专家名字为索引，载入加密数据 库。在系统身份认证过程中，待识别用户首先在解释专家列表中，指定要进行身份确认的解 释专家名字，再采集待识别用户对与指定解释专家的声纹模板相同的文本进行发音的声纹 波形，并量化。根据待识别用户的指示，从数据库中提取对应该解释专家名字的H个声纹模 板，分别进行抗干扰预处理和声纹特征提取，组合成包含多个峽特征向量的特征矢量序列； 对待识别用户量化后的声纹信号，进行抗干扰预处理和声纹特征提取，也形成对应每峽特 征向量的特征矢量序