一种智能语音认证方法、系统及可存储介质技术方案

本发明专利技术公开了一种智能语音认证方法、系统及可存储介质，其中方法包括：S1：采集用户发出的混合信号；S2：对所述混合信号进行提取，得到对应的语音信号及胸腔动作信号；S3：对经过所述步骤S2得到的语音信号及胸腔动作信号进行特征提取；S4：利用所述步骤S2得到的特征进行验证；本发明专利技术将检测到的胸部运动与语音信号关联起来进行身份认证。联起来进行身份认证。联起来进行身份认证。

【技术实现步骤摘要】
一种智能语音认证方法、系统及可存储介质


[0001]本专利技术涉及智能认证
，更具体的说是涉及一种智能语音认证方法、系统及可存储介质。

技术介绍

[0002]目前，基于语音的身份认证在智能设备上普遍存在，智能设备上的语音助手使用唤醒词来激活设备并对用户进行身份认证。在语音助理的帮助下，用户可以执行各种操作，包括发送消息、打电话和查看电子邮件等。
[0003]但是，为了使认证过程更加简便，人们提出了各种只使用智能手机而无需添加额外设备进行基于语音的身份认证的方法，然而基于语音的身份认证很容易受到重放攻击。
[0004]因此，如何提供一种能够解决上述问题的智能语音认证方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种智能语音认证方法、系统及可存储介质，将检测到的胸部运动与语音信号关联起来进行身份认证，具有较长的工作距离并且不需要安装任何额外的传感器而且非常的实用，并且在各种环境下识别正确的准确率比较高，能够很好的抵抗重放攻击和模仿攻击。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种智能语音认证方法，其特征在于，包括：
[0008]S1：采集用户发出的混合信号；
[0009]S2：对所述混合信号进行提取，得到对应的语音信号及胸腔动作信号；
[0010]S3：对经过所述步骤S2得到的语音信号及胸腔动作信号进行特征提取；
[0011]S4：利用所述步骤S3得到的特征进行验证。
[0012]优选的，所述步骤S2具体包括：利用高通滤波器处理所述混合信号，得到对应的语音信号，利用低通滤波器处理所述混合信号，得到对应的胸腔动作信号。
[0013]优选的，所述步骤S3具体包括：
[0014]S31：建立背景模型对所述语音信号进行处理，同时利用滑动窗口来平滑经过背景模型处理的语音信号，得到最终的语音命令以及所述语音命令的间隔；
[0015]S32：建立自适应滤波器对所述胸腔动作信号进行分离降噪，得到最终的胸部动作信号。
[0016]优选的，所述步骤S4包括：
[0017]S41：对经过所述步骤S32处理得到的胸腔动作信号进行识别，判断是否存在用户，如果是则进入步骤S42；
[0018]S42：根据所述语音命令的间隔，将所述胸腔动作信号进行分段，获取所述胸腔动作信号与所述语音命令的相关系数；
[0019]S43：从所述相关系数中提取特征，利用特征训练深度神经网络用于用户的识别。
[0020]进一步，本专利技术还提供一种智能语音认证系统，包括：
[0021]数据采集模块，用于采集用户的语音信号及胸腔动作信号；
[0022]数据分析模块，所述数据分析模块与所述数据采集模块连接，用于分析处理所述语音信号及所述胸腔动作信号；
[0023]特征提取模块，所述特征提取模块与所述数据分析模块连接，用于对经过分析处理的所述语音信号及所述胸腔动作信号进行特征提取；
[0024]智能终端，所述智能终端与所述特征提取模块连接，用于根据提取的特征进行验证。
[0025]优选的，所述数据分析模块包括：
[0026]第一数据处理单元，所述第一数据处理单元用于处理所述语音信号；
[0027]第二数据处理单元，所述第二数据处理单元用于处理所述胸腔动作信号。
[0028]优选的，所述特征提取模块包括：
[0029]语音信号提取单元，用于将经过处理的所述语音信号进行提取，得到语音指令；
[0030]胸腔动作信号提取单元，用于将经过处理的所述语音信号进行提取，得到胸腔动作信号。
[0031]进一步，本专利技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机指令，所述计算机指令被执行时，实现上述任一项所述的方法。
[0032]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种智能语音认证方法、系统及可存储介质，将检测到的胸部运动与语音信号关联起来进行身份认证，具有较长的工作距离并且不需要安装任何额外的传感器而且非常的实用，并且在各种环境下识别正确的准确率比较高，能够很好的抵抗重放攻击和模仿攻击。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0034]图1为本专利技术提供的一种智能语音认证方法的流程图；
[0035]图2为本专利技术提供的一种智能语音认证装置的结构原理框图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]参见附图1所示，本专利技术实施例公开了一种智能语音认证方法，可以通过智能终端实现，具体包括：
[0038]S1：采集用户发出的混合信号，利用智能终端发送一个先导声信号S(t)＝A0sin(2
πft+φ)(式中，A0是振幅，f是频率，φ是初始相位)，智能终端接收到的信号为经过用户的胸部和物体的其它反射后的混合信号，可以表示为：
[0039][0040]式中，Ω
I
是所有反射声信号路径的集合，A
i
f
i
和分别为路径i的幅值、频率和相位。
[0041]其中混合信号主要由三部分组成，即胸部反射的信号、身体其他部位反射的信号和环境中物体反射的信号，考虑导频信号在多普勒效应下的所有频移，具体分解后的表达式为：
[0042]ESD＝(∑A
C
+∑A
b
+∑A
O
)2[0043]式中，Ω
C
,Ω
B
,Ω
O
分别表示来自胸部的反射路径、来自用户身体其他部位的反射路径和来自环境中的物体的反射路径，Ω
C
∪Ω
B
∪Ω
O
＝Ω
I
，A
c
表示来自胸部的反射信号、A
b
表示来自用户身体其他部位的反射信号、A
o
表示环境中物体反射的信号。
[0044]S2：对所述混合信号进行提取，得到对应的语音信号及胸腔动作信号；
[0045]S3：对经过所述步骤S2得到的语音信号及胸腔动作信号进行特征提取；
[0046]S4：利用所述步骤S3得到的特征进行验证。
[0047]在一个具体的实施例中，所述步骤S2具体包括：利用高通滤波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能语音认证方法，其特征在于，包括：S1：采集用户发出的混合信号；S2：对所述混合信号进行提取，得到对应的语音信号及胸腔动作信号；S3：对经过所述步骤S2得到的语音信号及胸腔动作信号进行特征提取；S4：利用所述步骤S3得到的特征进行验证。2.根据权利要求1所述的一种智能语音认证方法，其特征在于，所述步骤S2具体包括：利用高通滤波器处理所述混合信号，得到对应的语音信号，利用低通滤波器处理所述混合信号，得到对应的胸腔动作信号。3.根据权利要求2所述的一种智能语音认证方法，其特征在于，所述步骤S3具体包括：S31：建立背景模型对所述语音信号进行处理，同时利用滑动窗口来平滑经过背景模型处理的语音信号，得到最终的语音命令以及所述语音命令的间隔；S32：建立自适应滤波器对所述胸腔动作信号进行分离降噪，得到最终的胸部动作信号。4.根据权利要求3所述的一种智能语音认证方法，其特征在于，所述步骤S4包括：S41：对经过所述步骤S32处理得到的胸腔动作信号进行识别，判断是否存在用户，如果是则进入步骤S42；S42：根据所述语音命令的间隔，将所述胸腔动作信号进行分段，获取所述胸腔动作信号与所述语音命令的相关系数；S43：从所述相关系数中提取特征，利用特征训练深度神经网络实现用户的识别。5.一种智能...

【专利技术属性】
技术研发人员：陈艳姣，徐文渊，薛梦，孟紫云，
申请(专利权)人：浙江大学，
类型：发明
国别省市：