基于窄带VoIP网络的说话人识别

倪闻培 申小虎

摘 要：在语音同一鉴定案件中，自动语音识别方法逐渐被采用，但目前某些语音检材存在质量下降无法进行有效语音识别等问题。文章通过研究网络电话（VoIP）各特性因素（如语音编解码、数据包丢失、数据包乱序、网络抖动和外来串扰或回波），对自动语音识别系统（ASR）性能的影响做出系统分析。实验表明，数据包乱序对语音识别性能影响较小。相比LPCC特征，MFCC特征更加能够保证语音识别系统的鲁棒性。文章的研究结果，对未来开发鲁棒性强的自动语音识别系统，具有一定的借鉴价值。

关键词：自动语音识别;质量下降;窄带网络;MFCC特征;鲁棒性

中图分类号：TP37 文献标识码：A文章编号：1674-1064（2021）03-037-03

DOI：10.12310/j.issn.1674-1064.2021.03.017

自动语音识别是指，利用软件确定说话人身份的一种技术。低成本计算机和强大性能处理器的出现，使之成为一种经济的语音生物学识别方式，特别是在银行交易、司法科学和国土安全方面应用广泛[1-3]。随着互联网和电子商务的迅速发展，人们对互联网上具备语音功能的应用程序（如语音识别或说话人识别）越来越感兴趣。

基于IP协议的IP电话（VoIP）也称网络电话，是目前最流行的一种网络服务。正是由于其灵活性高、成本低、功能齐全的特点，网络电话（VoIP）应用中的网络呼叫中心、电话银行、远距离通信等，成为目前极具发展潜力的应用。另外，随着网络电话的广泛使用，一些新型犯罪模式逐渐产生，使消费者的隐私无法得到有效保障，给执法人员提出了新的挑战。……