生物识别中的神经计算与声纹识别

2022年05月26日 16:18:15人气：229来源：深圳市深安威尔迪科技有限公司

　　神经计算泛指应用人工神经网络(ANN, Artificial Neural Network)进行的各种智能计算，它能体现人的某些智能特性。 ANN的模型本身就是模拟人脑自身生物神经元及其连接而构造的。尽管由于计算机计算能力至今还不足以完成像人脑(1. 000亿左右神经细胞)那样复奈神经网络的学习和计算，但它所表现出的能力和潜力已被大家所认同，并在各行各业中大显身手。其实ANN也是由若干单个神经元互连而成的。每个神经元可以由数学模型模拟。

　　我们可以把它看成一种映射关系，当一个音频特征输入时，通过神经连接强度和激活函数门拘运算来决定这个神经元是否被激活。如果被激活，它就向与它连接的其他神经元发出刺激信号，相反就发出抑制信号。那么复杂一点的网络。

　　这里就出现了4个神经元，它们共同形成网络，对输入的信号作出反应。于是，所谓的学习就是当某些共性的输入反复出现时，我们让ANN给出一个稳定的输出，代表它对这一组共性输入已经有所掌握，学术上可以把这称作聚类分析。

　　人工神经网络模型已被应用在语音技术的许多方面。笔者考虑到ANN的统计特性、鲁棒性、学习能力、非线性映射能力，所以决定用它来分析一个特定人的声纹信息，找到和发现其声纹。

　　声纹识别一个特定人需要找到特定人的一组声纹参数，并且是在开集条件下、限定文本。首先从电视上采录下一个特定人的音频波形，，然后进行参数提取，采用240点的分帧，计算基频及其16阶LPCC谱参数，然后把有效的LPCC参数画出来。

　　可见特定人的声纹在这一段采样中是稳定的。但是哪一个才能真正代表特定人而非他人呢？这里还需要做一些统计和聚类的工作，我们采用ANN技术，用2x2的SOFM(Self Organizing Feature Map)神经网分析过后发现了一种声纹模式，可以代表特定人的特征，这种特征使得特定人说话时学习过这一特征的神经元十分活跃，于是就把这条线所代表的参数定义为特定人的声纹。

　　以后要判定某一种声音是否是所说的特定人的声音，用此声纹模式做比对就可以做出判断。

　　根据不同的需要，如何提取有效的研究对象的声纹、怎样提取、如何保证准确性、如何处理与去除不相关干扰等都是声纹识别研究中的难题。另外，声纹不只是指人的语音特征，它可以是任何物体发出的可闻或不可闻的信号，这就如同海豚可以发出、听见并且辨认几海里之外的鱼群一样，因此它的应用领域和前景不可预估。

　　但是在目前来说声纹识别技术的应用还达不到一种理想的状态，因为人有时候感冒，咽喉发炎等一些症状可能会使声音发生变化。在生物识别这个领域中指纹识别技术技术暂时起到一个的作用，经过多年的发展，指纹门禁考勤一体机，指纹门禁一体机，在一些写字楼到处可见。

上一篇：运行高低温箱需要注意哪些操作要点？

下一篇：RFID手持终端要怎么选择

全年征稿/资讯合作 联系邮箱：1271141964@qq.com

免责声明

凡本网注明"来源：智能制造网"的所有作品，版权均属于智能制造网，转载请必须注明智能制造网，https://www.royalintltours.com。违反者本网将追究相关法律责任。
企业发布的公司新闻、技术文章、资料下载等内容，如涉及侵权、违规遭投诉的，一律由发布企业自行承担责任，本网有权删除内容并追溯责任。
本网转载并注明自其它来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。
如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。