聲紋密碼認(rèn)證方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種聲紋密碼認(rèn)證方法及系統(tǒng)，該方法包括：接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù)據(jù)；提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征；利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊語音的特征域偏差，得到第一特征域偏差；根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正，得到第一修正測試語音特征；利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。本發(fā)明可以提升聲紋認(rèn)證的準(zhǔn)確度。
【專利說明】
聲紋密碼認(rèn)證方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及聲紋認(rèn)證技術(shù)領(lǐng)域，具體涉及一種聲紋密碼認(rèn)證方法及系統(tǒng)。
【背景技術(shù)】
[0002] 聲紋密碼認(rèn)證即根據(jù)用戶輸入的語音信號中所反映的說話人生理特征和行為特 征的聲紋信息自動識別認(rèn)證說話人身份的技術(shù)。相比于其它生物認(rèn)證，聲紋密碼認(rèn)證具有 更簡便、準(zhǔn)確、經(jīng)濟及良好擴展性等優(yōu)勢，已被廣泛應(yīng)用于安全驗證控制等領(lǐng)域，如在門禁 系統(tǒng)、開機密碼、銀行支付密碼、手機支付等應(yīng)用場景都發(fā)揮著有效作用。然而，認(rèn)證系統(tǒng)在 實際應(yīng)用中會存在各種跨場景問題，如輸入密碼設(shè)備的更換，注冊密碼及登錄時存在的時 間漂移，地點環(huán)境的變化（如室內(nèi)、室外）等，在這些情況下，短短幾個字的聲紋密碼會受到 各種信道因素的干擾，導(dǎo)致聲紋密碼認(rèn)證效果不理想。因此提高聲紋密碼系統(tǒng)在不同應(yīng)用 場景下的穩(wěn)定性對提高聲紋密碼系統(tǒng)的實用價值有重要意義。
[0003] 為此，現(xiàn)有技術(shù)中采用對提取的聲紋特征進(jìn)行特征補償?shù)姆椒▉頊p少不同環(huán)境因 素的影響，并根據(jù)補償后的聲紋特征對說話人進(jìn)行身份認(rèn)證?，F(xiàn)有的聲紋密碼認(rèn)證系統(tǒng)在 特征補償上主要使用因子分析的方法，來降低不同信道對認(rèn)證結(jié)果的影響。而所述方法需 要利用注冊說話人大量跨場景數(shù)據(jù)訓(xùn)練信道因子載荷矩陣；如果訓(xùn)練數(shù)據(jù)不足，則會對聲 紋密碼系統(tǒng)的認(rèn)證性能帶來較大的損失，然而大量數(shù)據(jù)的獲取對于聲紋密碼系統(tǒng)往往比較 困難。此外，預(yù)訓(xùn)練的信道因子載荷矩陣只能表示訓(xùn)練時的狀態(tài)，而無法解決用戶登錄的時 間漂移問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實施例提供一種聲紋密碼認(rèn)證方法及系統(tǒng)，以提升聲紋認(rèn)證的準(zhǔn)確度。
[0005] 為此，本發(fā)明實施例提供如下技術(shù)方案：
[0006] 一種聲紋密碼認(rèn)證方法，包括：
[0007] 接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù)據(jù)；
[0008] 提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征；
[0009] 利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊語音的特征 域偏差，得到第一特征域偏差；
[0010] 根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正，得到第一修正測試語音 特征；
[0011] 利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。
[0012] 優(yōu)選地，所述利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊 語音的特征域偏差包括：
[0013] 針對所述測試語音特征，采用迭代方式計算所述特征的偏差量，并根據(jù)所述偏差 量對所述測試語音特征進(jìn)行補償，計算補償后的測試語音特征與所述注冊說話人模型的似 然度；
[0014] 在迭代次數(shù)達(dá)到設(shè)定次數(shù)或者所述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏 差量作為當(dāng)前測試語音特征的最優(yōu)偏差量；
[0015] 根據(jù)測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。
[0016] 優(yōu)選地，在每次迭代過程中計算所述特征的偏差量包括：
[0017] 計算所述特征相對于所述注冊說話人模型的后驗概率；
[0018] 根據(jù)所述注冊說話人模型參數(shù)，計算所述特征的參數(shù)距離；
[0019] 根據(jù)所述后驗概率及所述特征的參數(shù)距離計算所述特征的偏差量。
[0020] 優(yōu)選地，所述根據(jù)所述后驗概率及所述特征的參數(shù)距離計算所述特征的偏差量包 括：
[0021] 以幀為單位，根據(jù)當(dāng)前幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述參數(shù)距離，計算 所述特征的偏差量；或者
[0022] 根據(jù)所有幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述參數(shù)距離，計算所述特征的偏 差量。
[0023] 優(yōu)選地，所述利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊 語音的特征域偏差包括：
[0024] 對描述所述注冊說話人模型的高斯分量進(jìn)行聚類，得到每個聚類包含的高斯分 量；
[0025] 針對所述測試語音特征，采用迭代方式計算所述特征相對于各聚類的偏差量，并 根據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，計算補償后的測試語音特征與所述注冊說 話人模型的似然度；
[0026] 在迭代次數(shù)達(dá)到設(shè)定次數(shù)或所述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差 量作為所述特征相對于所述聚類的最優(yōu)偏差量；
[0027] 根據(jù)所述特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。
[0028] 優(yōu)選地，在每次迭代過程中計算所述特征相對于各聚類的偏差量包括：
[0029] 計算所述特征相對于所述注冊說話人模型的后驗概率；
[0030] 根據(jù)所述注冊說話人模型參數(shù)，計算所述特征的參數(shù)距離；
[0031] 根據(jù)所述后驗概率及所述特征的參數(shù)距離計算所述特征相對于各聚類的偏差量。
[0032] 優(yōu)選地，所述利用第一修正測試語音特征進(jìn)行聲紋認(rèn)證包括：
[0033] 計算所述第一修正測試語音特征與所述注冊說話人模型的似然度，得到說話人似 然度；
[0034] 計算所述第一修正測試語音特征與通用背景模型的似然度，得到第一背景似然 度；
[0035] 計算所述說話人似然度與所述第一背景似然度的比值，得到第一判決得分；
[0036] 如果所述第一判決得分大于第一閾值，則確定用戶認(rèn)證通過。
[0037] 優(yōu)選地，所述方法還包括：
[0038] 利用所述測試語音特征及通用背景模型估計測試語音相對于注冊語音的特征域 偏差，得到第二特征域偏差；
[0039] 根據(jù)所述第二特征域偏差對所述測試語音特征進(jìn)行修正，得到第二修正測試語音 特征；
[0040] 所述利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證包括：
[0041] 計算所述第一修正測試語音特征與所述注冊說話人模型的似然度，得到說話人似 然度；
[0042] 計算所述第二修正測試語音特征與通用背景模型的似然度，得到第二背景似然 度；
[0043] 計算所述說話人似然度與所述第二背景似然度的比值，得到第二判決得分；
[0044] 如果所述第二判決得分大于第二閾值，則確定用戶認(rèn)證通過。
[0045] 一種聲紋密碼認(rèn)證系統(tǒng)，包括：
[0046] 接收模塊，用于接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù) 據(jù)；
[0047] 特征提取模塊，用于提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征；
[0048] 第一估計模塊，用于利用所述測試語音特征及注冊說話人模型估計測試語音相對 于注冊語音的特征域偏差，得到第一特征域偏差；
[0049] 第一修正模塊，用于根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正，得 到第一修正測試語音特征；
[0050] 認(rèn)證模塊，用于利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。
[0051] 優(yōu)選地，所述第一估計模塊包括：
[0052] 迭代處理單元，用于針對所述測試語音特征，采用迭代方式計算所述特征的偏差 量，根據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，并計算補償后的測試語音特征與所述 注冊說話人模型的似然度；
[0053] 檢測單元，用于檢測迭代次數(shù)是否達(dá)到設(shè)定次數(shù)或者所述似然度是否達(dá)到穩(wěn)定；
[0054] 特征域偏差輸出單元，用于在所述檢測單元檢測到迭代次數(shù)達(dá)到設(shè)定次數(shù)或者所 述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作為當(dāng)前測試語音特征的最優(yōu)偏差 量，并根據(jù)測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。
[0055] 優(yōu)選地，所述迭代處理單元在每次迭代過程中根據(jù)所述特征相對于所述注冊說話 人模型的后驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參數(shù)距離，計算所述特征 的偏差量。
[0056] 優(yōu)選地，所述迭代處理單元，以幀為單位，根據(jù)當(dāng)前幀數(shù)據(jù)對應(yīng)的所述特征的后驗 概率及所述參數(shù)距離，計算所述特征的偏差量；或者根據(jù)所有幀數(shù)據(jù)對應(yīng)的所述特征的后 驗概率及所述參數(shù)距離，計算所述特征的偏差量。
[0057] 優(yōu)選地，所述第一估計模塊包括：
[0058] 聚類單元，用于對描述所述注冊說話人模型的高斯分量進(jìn)行聚類，得到每個聚類 包含的高斯分量；
[0059] 迭代處理單元，用于針對所述測試語音特征，采用迭代方式計算所述特征相對于 各聚類的偏差量，并根據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，計算補償后的測試語 音特征與所述注冊說話人模型的似然度；
[0060] 檢測單元，用于檢測迭代次數(shù)是否達(dá)到設(shè)定次數(shù)或者所述似然度是否達(dá)到穩(wěn)定；
[0061] 特征域偏差輸出單元，用于在所述檢測單元檢測到迭代次數(shù)達(dá)到設(shè)定次數(shù)或者所 述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作為所述特征相對于所述聚類的最優(yōu) 偏差量，并根據(jù)所述特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。
[0062] 優(yōu)選地，所述迭代處理單元在每次迭代過程中根據(jù)所述特征相對于所述注冊說話 人模型的后驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參數(shù)距離，計算所述特征 的偏差量。
[0063] 優(yōu)選地，所述認(rèn)證模塊包括：
[0064] 說話人似然度計算單元，用于計算所述第一修正測試語音特征與所述注冊說話人 模型的似然度，得到說話人似然度；
[0065] 第一背景似然度計算單元，用于計算所述第一修正測試語音特征與通用背景模型 的似然度，得到第一背景似然度；
[0066] 判決得分計算單元，用于計算所述說話人似然度與所述第一背景似然度的比值， 得到第一判決得分；
[0067] 判決單元，用于在所述第一判決得分大于第一閾值時，確定用戶認(rèn)證通過。
[0068] 優(yōu)選地，所述系統(tǒng)還包括：
[0069] 第二估計模塊，用于利用所述測試語音特征及通用背景模型估計測試語音相對于 注冊語音的特征域偏差，得到第二特征域偏差；
[0070] 第二修正模塊，用于根據(jù)所述第二特征域偏差對所述測試語音特征進(jìn)行修正，得 到第二修正測試語音特征；
[0071] 所述認(rèn)證模塊包括：
[0072] 說話人似然度計算單元，用于計算所述第一修正測試語音特征與所述注冊說話人 模型的似然度，得到說話人似然度；
[0073] 第二背景似然度計算單元，用于計算所述第二修正測試語音特征與通用背景模型 的似然度，得到第二背景似然度；
[0074] 判決得分計算單元，用于計算所述說話人似然度與所述第二背景似然度的比值， 得到第二判決得分；
[0075] 判決單元，用于在所述第二判決得分大于第二閾值時，確定用戶認(rèn)證通過。
[0076] 本發(fā)明實施例提供的聲紋密碼認(rèn)證方法及系統(tǒng)，利用登錄用戶的測試語音及注冊 說話人模型估計測試語音相對于注冊語音的特征域偏差，利用所述特征域偏差描述注冊語 音和測試語音之間的信道偏差，并利用該偏差對測試語音特征進(jìn)行修正，得到修正后的測 試語音特征，然后根據(jù)修正后的測語音特征對登錄用戶進(jìn)行聲紋密碼認(rèn)證。本發(fā)明方案可 以在沒有較多的跨場景訓(xùn)練數(shù)據(jù)情況下，估計測試語音與注冊語音之間的信道偏差，利用 所述偏差對登錄用戶登錄時的測試語音進(jìn)行修正，解決了注冊語音和測試語音信道不匹配 的問題，及用戶登錄時間飄移問題，從而有效提升了聲紋認(rèn)證的準(zhǔn)確度。
[0077] 進(jìn)一步地，本發(fā)明方案還提出了利用通用背景模型進(jìn)行偏差估計，從而降低了測 試語音特征與通用背景模型之間的差異，進(jìn)一步提升了聲紋認(rèn)證的準(zhǔn)確度。
【附圖說明】
[0078] 為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所 需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一 些實施例，對于本領(lǐng)域普通技術(shù)人員來講，還可以根據(jù)這些附圖獲得其他的附圖。
[0079] 圖1是本發(fā)明實施例聲紋密碼認(rèn)證方法的一種流程圖；
[0080] 圖2是本發(fā)明實施例聲紋密碼認(rèn)證方法的另一種流程圖；
[0081] 圖3是本發(fā)明實施例聲紋密碼認(rèn)證系統(tǒng)的一種結(jié)構(gòu)示意圖；
[0082] 圖4是本發(fā)明實施例中第一估計模塊的一種結(jié)構(gòu)示意圖；
[0083] 圖5是本發(fā)明實施例中第一估計模塊的另一種結(jié)構(gòu)示意圖；
[0084] 圖6是本發(fā)明實施例聲紋密碼認(rèn)證系統(tǒng)的另一種結(jié)構(gòu)示意圖。
【具體實施方式】
[0085] 為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明實施例的方案，下面結(jié)合附圖和實施 方式對本發(fā)明實施例作進(jìn)一步的詳細(xì)說明。
[0086] 如圖1所示，是本發(fā)明實施例聲紋密碼認(rèn)證方法的一種流程圖，包括以下步驟：
[0087] 步驟101，接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù)據(jù)。
[0088] 步驟102,提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征。
[0089] 在本發(fā)明實施例中，測試語音特征和注冊語音特征可以使用39維的 MFCC(Mel_scale Frequency Cepstral Coefficients，Mel 頻率倒譜系數(shù)）作為頻譜特征， 為了便于描述，后面將測試語音特征用Y = {yi，y2,...，yT}表示，其中T表示測試語音數(shù)據(jù) 的幀數(shù)，將注冊語音特征用X = {Χι，χ2,...，χΝ}表示，其中N表示注冊語音數(shù)據(jù)的幀數(shù)。
[0090] 步驟103,利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊語 音的特征域偏差，得到第一特征域偏差。
[0091] 在實際應(yīng)用中，所述第一特征域偏差的估計可以采用多種方法實現(xiàn)，比如：局部偏 差估計方法、全局偏差估計方法、高斯聚類偏差估計方法。下面對這三種偏差估計方法分別 進(jìn)行詳細(xì)說明。
[0092] 1.局部偏差估計方法
[0093] 局部偏差估計時，利用測試語音的每一幀數(shù)據(jù)及注冊說話人模型進(jìn)行偏差估計， 具體偏差估計過程如下：
[0094] 步1)利用初始偏差估計值對當(dāng)前幀測試語音特征進(jìn)行局部偏差估計，具體計算 方法如下式：
[0095]
[0096] 其中，γ (yt，y」bt)表示在給定第t幀初始偏差bt條件下，測試語音特征5^對于 注冊說話人模型的第c個高斯分量的后驗概率，y tid表示第t幀第d維的測試語音特征，μ μ 和σ d分別表示第C個高斯分量第d維的均值和標(biāo)準(zhǔn)差，C表示描述注冊說話人模型的高 斯總數(shù)，-爲(wèi)^/^,為測試語音第t幀數(shù)據(jù)第d維特征的參數(shù)距離；
[0097] 步2)利用上面得到的偏差量對當(dāng)前幀測試語音特征進(jìn)行補償，得到當(dāng)前幀補償 后的測試語音特征；
[0098] 步3)計算當(dāng)前幀補償后的測試語音特征相對于注冊說話人模型的似然度；
[0099] 步4)將當(dāng)前幀估計得到的偏差量作為初始偏差值，迭代執(zhí)行步2)至步4)，直到達(dá) 到預(yù)先設(shè)定的迭代次數(shù)或者所述似然度達(dá)到穩(wěn)定；
[0100] 步5)將迭代過程中最大似然度對應(yīng)的偏差量作為當(dāng)前幀估計得到的最優(yōu)偏差 量；
[0101] 步6)根據(jù)各幀測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征 域偏差。
[0102] 2.全局偏差估計方法
[0103] 全局偏差估計方法中，利用所有幀測試語音特征及注冊說話人模型進(jìn)行偏差估 計，具體估計過程如下所述：
[0104] 步1)利用初始偏差估計值進(jìn)行全局偏差估計，具體計算方法如下式：
[0105]
[0106] 其中，T表示測試語音的總幀數(shù)；
[0107] 步2)利用上面估計到的偏差量對所有幀測試語音特征進(jìn)行補償，得到補償后的 測試語音特征；
[0108] 步3)計算補償后的測試語音特征相對于注冊說話人模型的似然度；
[0109] 步4)將估計得到的偏差量作為初始偏差值，迭代執(zhí)行步1)至步4)，直到達(dá)到預(yù)先 設(shè)定的迭代次數(shù)或者所述似然度達(dá)到穩(wěn)定；
[0110] 步5)將迭代過程中最大似然度對應(yīng)的偏差量作為估計得到的最優(yōu)偏差量；
[0111] 步6)根據(jù)所述最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。
[0112] 3.高斯聚類偏差估計方法
[0113] 高斯聚類偏差估計方法需要先對描述注冊說話人模型的高斯分量進(jìn)行聚類，利用 聚類后每類的高斯分量及每類對應(yīng)的測試語音特征進(jìn)行偏差估計；具體如下所述：
[0114] 步1)對描述注冊說話人模型的高斯分量進(jìn)行聚類，得到每個聚類包含的高斯分 量；
[0115] 步2)利用初始偏差估計值進(jìn)行高斯聚類偏差估計，具體計算方法如下式：
[0116]
[0117] 其中，Nk表示第k個高斯聚類中包含的高斯分量總數(shù)；
[0118] 步3)利用上面得到的測試語音特征偏差量對測試語音特征進(jìn)行補償，具體補償 時需要首先找到與當(dāng)前高斯聚類所對應(yīng)的測試語音特征，然后利用當(dāng)前高斯聚類估計出的 偏差量對所述測試語音特征進(jìn)行補償，從而得到補償后的測試語音特征；
[0119] 步4)計算補償后的測試語音特征相對于注冊說話人模型的似然度；
[0120] 步5)將估計得到的偏差量作為初始偏差值，迭代執(zhí)行步2)至步5)，直到達(dá)到預(yù)先 設(shè)定的迭代次數(shù)或者所述似然度達(dá)到穩(wěn)定；
[0121] 步6)將迭代過程中最大似然度對應(yīng)的偏差量作為估計得到的最優(yōu)偏差量；
[0122] 步7)根據(jù)各聚類對應(yīng)的測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語 音的特征域偏差。
[0123] 相應(yīng)地，在后續(xù)利用上述不同方法得到的第一特征域偏差對測試語音特征進(jìn)行修 正時，也有所不同，具體將在后面詳細(xì)說明。
[0124] 步驟104,根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正，得到第一修正 測試語音特征。
[0125] 假設(shè)注冊語音特征X = {χ^ χ2, · · ·，χΝ}和測試語音特征Y = h，y2, · · ·，yT}屬于 同一發(fā)音人朗讀相同文本的語音，則由于信道因素的影響，兩者的特征矢量之間存在一定 的偏差，注冊語音特征和測試語音特征兩兩之間長度可以完全對齊或者采用DTW(Dynamic Time Warping，動態(tài)時間規(guī)整）方法強制對齊，則存在以下對應(yīng)關(guān)系：
[0126] xt=yt-bt
[0127] 其中xt表示第t幀注冊語音特征，y t表示第t幀測試語音特征，b t表示第t幀測 試語音特征相對于注冊語音特征的偏差值。
[0128] 根據(jù)上述不同的偏差估計方法進(jìn)行偏差估計，得到相應(yīng)的偏差，利用得到的偏差 值對測試語音特征進(jìn)行修正，具體如下：
[0129] 1)利用局部偏差估計方法得到的偏差進(jìn)行修正，如下式：
[0130] yr t,d=yt,d-b， t,d
[0131] 其中，太t,d表示修正后的第t幀第d維測試語音特征，y t,d表示修正前的第t幀 第d維測試語音特征，b ' t，d表示第t幀第d維測試語音特征相對于注冊語音特征的偏差 (即第一特征域偏差）。
[0132] 2)利用全局偏差估計方法得到的偏差進(jìn)行修正，如下式：
[0133] yr t,d=yt,d-b， d
[0134] 其中，b' d表示第d維測試語音特征相對于注冊語音特征的偏差（即第一特征域 偏差）。
[0135] 3)利用高斯聚類偏差估計方法得到的偏差進(jìn)行修正，如下式：
[0136] y' td=ytd-b' M
[0137] 其中，y' tid表示修正后的與第k個高斯聚類對應(yīng)的第t幀第d維的測試語音特 征，ytid表示修正前的與第k個高斯聚類對應(yīng)的第t幀第d維的測試語音特征，b' kid表示 與第k個高斯聚類對應(yīng)的第t幀第d維測試語音特征相對于注冊語音特征的偏差（即第一 特征域偏差）。
[0138] 步驟105,利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。
[0139] 用太t表示第一修正測試語音特征，聲紋認(rèn)證過程如下：
[0140] 1)計算所述第一修正測試語音特征與所述注冊說話人模型的似然度，得到說話人 似然度P (太t |mspk)，其中mspk表示注冊說話人模型的均值；
[0141] 2)計算所述第一修正測試語音特征與通用背景模型的似然度，得到第一背景似然 度P(y' t|mubJ，其中mubni表示通用背景模型的均值；
[0142] 3)計算說話人似然度與第一背景似然度的比值，得到第一判決得分scorel，即：
[0143]
[0144] 4)將第一判決得分scorel與預(yù)先設(shè)定的第一閾值進(jìn)行比較，如果第一判決得分 scorel大于第一閾值，則確定用戶認(rèn)證通過。
[0145] 所述第一閾值可以根據(jù)大量數(shù)據(jù)訓(xùn)練得出或根據(jù)經(jīng)驗設(shè)定。
[0146] 可見，本發(fā)明實施例提供的聲紋密碼認(rèn)證方法，利用登錄用戶的測試語音及注冊 說話人模型估計測試語音相對于注冊語音的特征域偏差，利用所述特征域偏差描述注冊語 音和測試語音之間的信道偏差，并利用該偏差對測試語音特征進(jìn)行修正，得到修正后的測 試語音特征，然后根據(jù)修正后的測語音特征對登錄用戶進(jìn)行聲紋密碼認(rèn)證。本發(fā)明方案可 以在沒有較多的跨場景訓(xùn)練數(shù)據(jù)情況下，估計測試語音與注冊語音之間的信道偏差，利用 所述偏差對登錄用戶登錄時的測試語音進(jìn)行修正，解決了注冊語音和測試語音信道不匹配 的問題，及用戶登錄時間飄移問題，從而有效提升了聲紋認(rèn)證的準(zhǔn)確度
[0147] 進(jìn)一步地，本發(fā)明方案還提出了利用通用背景模型進(jìn)行偏差估計，以降低測試語 音特征與通用背景模型之間的差異，進(jìn)一步提升聲紋認(rèn)證的準(zhǔn)確度。
[0148] 如圖2所示，是本發(fā)明實施例聲紋密碼認(rèn)證方法的另一種流程圖，包括以下步驟：
[0149] 步驟201，接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù)據(jù)。
[0150] 步驟202,提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征。
[0151] 步驟203,利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊語 音的特征域偏差，得到第一特征域偏差。
[0152] 步驟204,利用所述測試語音特征及通用背景模型估計測試語音相對于注冊語音 的特征域偏差，得到第二特征域偏差。
[0153] 在計算所述第二特征域偏差時，同樣可以利用前面提到的三種不同偏差估計方 法，只需將其中的注冊說話人模型用通用背景模型替代即可，具體過程不再贅述。
[0154] 步驟205,分別根據(jù)所述第一特征域偏差和所述第二特征域偏差對所述測試語音 特征進(jìn)行修正，得到第一修正測試語音特征及第二修正測試語音特征。
[0155] 步驟206,根據(jù)所述第一修正測試語音特征及第二修正測試語音特征進(jìn)行聲紋認(rèn) 證。
[0156] 用yt'表示第一修正測試語音特征，用yt"表示第二修正測試語音特征，聲紋認(rèn)證 過程如下：
[0157] 1)分別計算所述第一修正測試語音特征與所述注冊說話人模型的似然度，得到說 話人似然度P(y t' |mspk)，以及所述第二修正測試語音特征與通用背景模型的似然度，得到 第二背景似然度P(yt" |mubJ ;
[0158] 2)計算說話人似然度P(yt' |mspk)與第二背景似然度P(yt" |mubJ的比值，得到第 二判決得分score2, BP :
[0159]
[0160] 3)將第二判決得分SC〇re2與預(yù)先設(shè)定的第一閾值進(jìn)行比較，如果第二判決得分 score2大于第二閾值，則確定用戶認(rèn)證通過。
[0161] 所述第二閾值可以根據(jù)大量數(shù)據(jù)訓(xùn)練得出或根據(jù)經(jīng)驗設(shè)定。而且，所述第二閾值 與前面提到的第一閾值可以相同，也可以不同。
[0162] 相應(yīng)地，本發(fā)明實施例還提供了一種聲紋密碼認(rèn)證系統(tǒng)，如圖3所示，是該系統(tǒng)的 一種結(jié)構(gòu)不意圖。
[0163] 在該實施例中，所述系統(tǒng)包括：
[0164] 接收模塊301，用于接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù) 據(jù)；
[0165] 特征提取模塊302,用于提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征；
[0166] 第一估計模塊303,用于利用所述測試語音特征及注冊說話人模型估計測試語音 相對于注冊語音的特征域偏差，得到第一特征域偏差；
[0167] 第一修正模塊304,用于根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正， 得到第一修正測試語音特征；
[0168] 認(rèn)證模塊305,用于利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。
[0169] 上述認(rèn)證模塊305可以包括以下各單元：
[0170] 說話人似然度計算單元，用于計算所述第一修正測試語音特征與所述注冊說話人 模型的似然度，得到說話人似然度；
[0171] 第一背景似然度計算單元，用于計算所述第一修正測試語音特征與通用背景模型 的似然度，得到第一背景似然度；
[0172] 判決得分計算單元，用于計算所述說話人似然度與所述第一背景似然度的比值， 得到第一判決得分；
[0173] 判決單元，用于在所述第一判決得分大于第一閾值時，確定用戶認(rèn)證通過。
[0174] 在實際應(yīng)用中，第一估計模塊303在進(jìn)行第一特征域偏差的估計時可以采用多種 方式實現(xiàn)，比如：局部偏差估計方法、全局偏差估計方法、高斯聚類偏差估計方法，其中：
[0175] 局部偏差估計是指利用測試語音的每一幀數(shù)據(jù)及注冊說話人模型進(jìn)行偏差估 計；
[0176] 全局偏差估計是指利用所有幀測試語音特征及注冊說話人模型進(jìn)行偏差估計；
[0177] 高斯聚類偏差估計是指先對描述注冊說話人模型的高斯分量進(jìn)行聚類，利用聚類 后每類的高斯分量及每類對應(yīng)的測試語音特征進(jìn)行偏差估計。
[0178] 相應(yīng)地，針對局部偏差估計和全局偏差估計，第一估計模塊303可采用如圖4所示 的結(jié)構(gòu)。
[0179] 在該實施例中，第一估計模塊303包括：
[0180] 迭代處理單元311，用于針對所述測試語音特征，采用迭代方式計算所述特征的偏 差量，根據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，并計算補償后的測試語音特征與所 述注冊說話人模型的似然度。具體地，迭代理處理單元311在每次迭代過程中根據(jù)所述特 征相對于所述注冊說話人模型的后驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參 數(shù)距離，計算所述特征的偏差量。
[0181] 檢測單元312,用于檢測迭代次數(shù)是否達(dá)到設(shè)定次數(shù)或者所述似然度是否達(dá)到穩(wěn) 定；
[0182] 特征域偏差輸出單元313,用于在所述檢測單元312檢測到迭代次數(shù)達(dá)到設(shè)定次 數(shù)或者所述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作為當(dāng)前測試語音特征的最 優(yōu)偏差量，并根據(jù)測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏 差。
[0183] 上述迭代處理單元311在每次迭代過程中可以根據(jù)所述特征相對于所述注冊說 話人模型的后驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參數(shù)距離，計算所述特 征的偏差量。而且，可以幀為單位，根據(jù)當(dāng)前幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述參數(shù) 距離，計算所述特征的偏差量；或者根據(jù)所有幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述參 數(shù)距離，計算所述特征的偏差量。具體計算過程可參見前面本發(fā)明方法實施例中的描述，在 此不再贅述。
[0184] 相應(yīng)地，針對高斯聚類偏差估計，第一估計模塊303可采用如圖5所示的結(jié)構(gòu)。
[0185] 與圖4不同的是，在該實施例中，還包括：聚類單元320，用于對描述所述注冊說話 人模型的高斯分量進(jìn)行聚類，得到每個聚類包含的高斯分量。而且，在該實施例中，迭代處 理單元321用于針對所述測試語音特征，采用迭代方式計算所述特征相對于各聚類的偏差 量，并根據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，計算補償后的測試語音特征與所述 注冊說話人模型的似然度。同樣，檢測單元312用于檢測迭代次數(shù)是否達(dá)到設(shè)定次數(shù)或者 所述似然度是否達(dá)到穩(wěn)定；特征域偏差輸出單元313用于在所述檢測單元312檢測到迭代 次數(shù)達(dá)到設(shè)定次數(shù)或者所述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作為所述特 征相對于所述聚類的最優(yōu)偏差量，并根據(jù)所述特征的最優(yōu)偏差量確定測試語音相對于注冊 語音的特征域偏差。
[0186] 在該實施例中，迭代處理單元321同樣可以在每次迭代過程中根據(jù)所述特征相對 于所述注冊說話人模型的后驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參數(shù)距 離，計算所述特征的偏差量。
[0187] 如圖6所示，是本發(fā)明實施例聲紋密碼認(rèn)證系統(tǒng)的另一種結(jié)構(gòu)示意圖。
[0188] 與圖3所示實施例的區(qū)別在于，在該實施例中，所述系統(tǒng)還包括：
[0189] 第二估計模塊403,用于利用所述測試語音特征及通用背景模型估計測試語音相 對于注冊語音的特征域偏差，得到第二特征域偏差；
[0190] 第二修正模塊404,用于根據(jù)所述第二特征域偏差對所述測試語音特征進(jìn)行修正， 得到第二修正測試語音特征；
[0191] 相應(yīng)地，在該實施例中，認(rèn)證模塊405可以包括以下各單元：
[0192] 說話人似然度計算單元，用于計算所述第一修正測試語音特征與所述注冊說話人 模型的似然度，得到說話人似然度；
[0193] 第二背景似然度計算單元，用于計算所述第二修正測試語音特征與通用背景模型 的似然度，得到第二背景似然度；
[0194] 判決得分計算單元，用于計算所述說話人似然度與所述第二背景似然度的比值， 得到第二判決得分；
[0195] 判決單元，用于在所述第二判決得分大于第二閾值時，確定用戶認(rèn)證通過。
[0196] 上述第二估計模塊403在計算所述第二特征域偏差時，同樣可以利用前面提到的 三種不同偏差估計方法，只需將其中的注冊說話人模型用通用背景模型替代即可，具體過 程不再贅述。
[0197] 本發(fā)明實施例提供的聲紋密碼認(rèn)證系統(tǒng)，利用登錄用戶的測試語音及注冊說話人 模型估計測試語音相對于注冊語音的特征域偏差，利用所述特征域偏差描述注冊語音和測 試語音之間的信道偏差，并利用該偏差對測試語音特征進(jìn)行修正，得到修正后的測試語音 特征，然后根據(jù)修正后的測語音特征對登錄用戶進(jìn)行聲紋密碼認(rèn)證。本發(fā)明方案可以在沒 有較多的跨場景訓(xùn)練數(shù)據(jù)情況下，估計測試語音與注冊語音之間的信道偏差，利用所述偏 差對登錄用戶登錄時的測試語音進(jìn)行修正，解決了注冊語音和測試語音信道不匹配的問 題，及用戶登錄時間飄移問題，從而有效提升了聲紋認(rèn)證的準(zhǔn)確度。
[0198] 進(jìn)一步地，本發(fā)明方案還提出了利用通用背景模型進(jìn)行偏差估計，從而降低了測 試語音特征與通用背景模型之間的差異，進(jìn)一步提升了聲紋認(rèn)證的準(zhǔn)確度。
[0199] 本說明書中的各個實施例均采用遞進(jìn)的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統(tǒng)實 施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關(guān)之處參見方法實施例 的部分說明即可。以上所描述的系統(tǒng)實施例僅僅是示意性的，其中所述作為分離部件說明 的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是 物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上。可以根據(jù)實際的需要 選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出 創(chuàng)造性勞動的情況下，即可以理解并實施。
[0200] 以上對本發(fā)明實施例進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了【具體實施方式】對本發(fā)明進(jìn)行 了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及系統(tǒng)；同時，對于本領(lǐng)域的 一般技術(shù)人員，依據(jù)本發(fā)明的思想，在【具體實施方式】及應(yīng)用范圍上均會有改變之處，綜上所 述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。
【主權(quán)項】
1. 一種聲紋密碼認(rèn)證方法，其特征在于，包括： 接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù)據(jù)； 提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征； 利用所述測試語音特征及注冊說話人模型估計測試語音相對于注冊語音的特征域偏 差，得到第一特征域偏差； 根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正，得到第一修正測試語音特 征； 利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述測試語音特征及注冊說話 人模型估計測試語音相對于注冊語音的特征域偏差包括： 針對所述測試語音特征，采用迭代方式計算所述特征的偏差量，并根據(jù)所述偏差量對 所述測試語音特征進(jìn)行補償，計算補償后的測試語音特征與所述注冊說話人模型的似然 度； 在迭代次數(shù)達(dá)到設(shè)定次數(shù)或者所述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量 作為當(dāng)前測試語音特征的最優(yōu)偏差量； 根據(jù)測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，在每次迭代過程中計算所述特征的偏差 量包括： 計算所述特征相對于所述注冊說話人模型的后驗概率； 根據(jù)所述注冊說話人模型參數(shù)，計算所述特征的參數(shù)距離； 根據(jù)所述后驗概率及所述特征的參數(shù)距離計算所述特征的偏差量。4. 根據(jù)權(quán)利要求3述的方法，其特征在于，所述根據(jù)所述后驗概率及所述特征的參數(shù) 距離計算所述特征的偏差量包括： 以幀為單位，根據(jù)當(dāng)前幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述參數(shù)距離，計算所述 特征的偏差量；或者 根據(jù)所有幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述參數(shù)距離，計算所述特征的偏差 量。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述測試語音特征及注冊說話 人模型估計測試語音相對于注冊語音的特征域偏差包括： 對描述所述注冊說話人模型的高斯分量進(jìn)行聚類，得到每個聚類包含的高斯分量； 針對所述測試語音特征，采用迭代方式計算所述特征相對于各聚類的偏差量，并根據(jù) 所述偏差量對所述測試語音特征進(jìn)行補償，計算補償后的測試語音特征與所述注冊說話人 模型的似然度； 在迭代次數(shù)達(dá)到設(shè)定次數(shù)或所述似然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作 為所述特征相對于所述聚類的最優(yōu)偏差量； 根據(jù)所述特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，在每次迭代過程中計算所述特征相對于 各聚類的偏差量包括： 計算所述特征相對于所述注冊說話人模型的后驗概率； 根據(jù)所述注冊說話人模型參數(shù)，計算所述特征的參數(shù)距離； 根據(jù)所述后驗概率及所述特征的參數(shù)距離計算所述特征相對于各聚類的偏差量。7. 根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，所述利用第一修正測試語音特 征進(jìn)行聲紋認(rèn)證包括： 計算所述第一修正測試語音特征與所述注冊說話人模型的似然度，得到說話人似然 度； 計算所述第一修正測試語音特征與通用背景模型的似然度，得到第一背景似然度； 計算所述說話人似然度與所述第一背景似然度的比值，得到第一判決得分； 如果所述第一判決得分大于第一閾值，則確定用戶認(rèn)證通過。8. 根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，所述方法還包括： 利用所述測試語音特征及通用背景模型估計測試語音相對于注冊語音的特征域偏差， 得到第二特征域偏差； 根據(jù)所述第二特征域偏差對所述測試語音特征進(jìn)行修正，得到第二修正測試語音特 征； 所述利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證包括： 計算所述第一修正測試語音特征與所述注冊說話人模型的似然度，得到說話人似然 度； 計算所述第二修正測試語音特征與通用背景模型的似然度，得到第二背景似然度； 計算所述說話人似然度與所述第二背景似然度的比值，得到第二判決得分； 如果所述第二判決得分大于第二閾值，則確定用戶認(rèn)證通過。9. 一種聲紋密碼認(rèn)證系統(tǒng)，其特征在于，包括： 接收模塊，用于接收登錄用戶的語音數(shù)據(jù)，并將所述語音數(shù)據(jù)作為測試語音數(shù)據(jù)； 特征提取模塊，用于提取所述測試語音數(shù)據(jù)的特征，得到測試語音特征； 第一估計模塊，用于利用所述測試語音特征及注冊說話人模型估計測試語音相對于注 冊語音的特征域偏差，得到第一特征域偏差； 第一修正模塊，用于根據(jù)所述第一特征域偏差對所述測試語音特征進(jìn)行修正，得到第 一修正測試語音特征； 認(rèn)證模塊，用于利用所述第一修正測試語音特征進(jìn)行聲紋認(rèn)證。10. 根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述第一估計模塊包括： 迭代處理單元，用于針對所述測試語音特征，采用迭代方式計算所述特征的偏差量，根 據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，并計算補償后的測試語音特征與所述注冊說 話人模型的似然度； 檢測單元，用于檢測迭代次數(shù)是否達(dá)到設(shè)定次數(shù)或者所述似然度是否達(dá)到穩(wěn)定； 特征域偏差輸出單元，用于在所述檢測單元檢測到迭代次數(shù)達(dá)到設(shè)定次數(shù)或者所述似 然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作為當(dāng)前測試語音特征的最優(yōu)偏差量，并 根據(jù)測試語音特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。11. 根據(jù)權(quán)利要求10所述的系統(tǒng)，其特征在于， 所述迭代處理單元在每次迭代過程中根據(jù)所述特征相對于所述注冊說話人模型的后 驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參數(shù)距離，計算所述特征的偏差量。12. 根據(jù)權(quán)利要求11所述的系統(tǒng)，其特征在于， 所述迭代處理單元，以幀為單位，根據(jù)當(dāng)前幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所述 參數(shù)距離，計算所述特征的偏差量；或者根據(jù)所有幀數(shù)據(jù)對應(yīng)的所述特征的后驗概率及所 述參數(shù)距離，計算所述特征的偏差量。13. 根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述第一估計模塊包括： 聚類單元，用于對描述所述注冊說話人模型的高斯分量進(jìn)行聚類，得到每個聚類包含 的高斯分量； 迭代處理單元，用于針對所述測試語音特征，采用迭代方式計算所述特征相對于各聚 類的偏差量，并根據(jù)所述偏差量對所述測試語音特征進(jìn)行補償，計算補償后的測試語音特 征與所述注冊說話人模型的似然度； 檢測單元，用于檢測迭代次數(shù)是否達(dá)到設(shè)定次數(shù)或者所述似然度是否達(dá)到穩(wěn)定； 特征域偏差輸出單元，用于在所述檢測單元檢測到迭代次數(shù)達(dá)到設(shè)定次數(shù)或者所述似 然度達(dá)到穩(wěn)定后，獲取最大似然度對應(yīng)的偏差量作為所述特征相對于所述聚類的最優(yōu)偏差 量，并根據(jù)所述特征的最優(yōu)偏差量確定測試語音相對于注冊語音的特征域偏差。14. 根據(jù)權(quán)利要求13所述的系統(tǒng)，其特征在于， 所述迭代處理單元在每次迭代過程中根據(jù)所述特征相對于所述注冊說話人模型的后 驗概率、以及所述特征與所述注冊說話人模型參數(shù)的參數(shù)距離，計算所述特征的偏差量。15. 根據(jù)權(quán)利要求9至14任一項所述的系統(tǒng)，其特征在于，所述認(rèn)證模塊包括： 說話人似然度計算單元，用于計算所述第一修正測試語音特征與所述注冊說話人模型 的似然度，得到說話人似然度； 第一背景似然度計算單元，用于計算所述第一修正測試語音特征與通用背景模型的似 然度，得到第一背景似然度； 判決得分計算單元，用于計算所述說話人似然度與所述第一背景似然度的比值，得到 第一判決得分； 判決單元，用于在所述第一判決得分大于第一閾值時，確定用戶認(rèn)證通過。16. 根據(jù)權(quán)利要求9至14任一項所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括： 第二估計模塊，用于利用所述測試語音特征及通用背景模型估計測試語音相對于注冊 語音的特征域偏差，得到第二特征域偏差； 第二修正模塊，用于根據(jù)所述第二特征域偏差對所述測試語音特征進(jìn)行修正，得到第 二修正測試語音特征； 所述認(rèn)證模塊包括： 說話人似然度計算單元，用于計算所述第一修正測試語音特征與所述注冊說話人模型 的似然度，得到說話人似然度； 第二背景似然度計算單元，用于計算所述第二修正測試語音特征與通用背景模型的似 然度，得到第二背景似然度； 判決得分計算單元，用于計算所述說話人似然度與所述第二背景似然度的比值，得到 第二判決得分； 判決單元，用于在所述第二判決得分大于第二閾值時，確定用戶認(rèn)證通過。
【文檔編號】G10L17/04GK106033670SQ201510121720
【公開日】2016年10月19日
【申請日】2015年3月19日
【發(fā)明人】殷兵, 方昕, 魏思, 胡國平, 王影, 胡郁, 劉慶峰
【申請人】科大訊飛股份有限公司