一种基于毫米波感知振动信号的抗噪声声纹识别方法技术

本发明专利技术公开了一种基于毫米波感知振动信号的抗噪声声纹识别方法，包括：使用毫米波雷达向目标人发射射频信号，并接收调制后的回波信号，将回波信号与发射信号混合后的中频信号作为毫米波雷达的接收信号；通过波束成形算法提高接收信号的信噪比；对接收信号进行预处理：将区域按单元划分，得到存在感知目标的候选单元集，去除判断为静态反射物

【技术实现步骤摘要】
一种基于毫米波感知振动信号的抗噪声声纹识别方法


[0001]本专利技术涉及无线智能感知领域，尤其涉及一种基于毫米波感知振动信号的抗噪声声纹识别方法
。

技术介绍

[0002]随着声控设备和语音交互服务的快速增长，将基于声纹的生物识别技术用于用户认证
、
语音助理的研究越来越多
。
声纹是一种生理和行为相结合的生物特征，具有生物识别的普遍性
、
唯一性
、
持久性和可操作性等特点，因此可以通过提取说话人独特的声纹特征进行说话人的识别
。
现有的声纹感知主要通过特殊的硬件设备如麦克风
、
加速度计等实现，存在声音被截获或者模仿等识别的安全风险
。
[0003]声带是一个非常重要的发声器官，其振动通过声腔发出具有独特特征的声音
。
通过毫米波感知方式，实现非接触式直接采集声带振动信号，可以实现便捷
、
安全的声纹识别，然而通过毫米波感知采集的声带振动信号非常微弱，容易被环境噪声淹没，从而导致无法提取能够正确识别说话人声纹的特征
。

技术实现思路

[0004]针对现有技术的不足，本专利技术提出一种基于毫米波感知振动信号的抗噪声声纹识别方法，利用了由声带振动引起的目标人喉咙附近皮肤反射射频信号的独特干扰，通过毫米波感知接收反射射频信号，采用一系列信号智能分析方法，提取声纹特征，实现抗噪声声纹识别，从而区分说话人的身份
。
[0005]具体技术方案如下：
[0006]一种基于毫米波感知振动信号的抗噪声声纹识别方法，包括以下步骤：
[0007]S1
：使用毫米波雷达向目标人发射射频信号，并接收目标人说话时对发射信号调制后的回波信号，将回波信号与发射信号混合后的中频信号作为毫米波雷达的接收信号；
[0008]S2
：通过波束成形算法提高接收信号的信噪比；通过波束成形后的接收信号表达式为：
[0009][0010]x
l
(t)
＝
[x
1,1
(t
k
,t
i
),x
1,2
(t
k
,t
i
),
…
,x
M,N
(t
k
,t
i
)][0011]式中，
θ
为目标人相对毫米波雷达的方位角，为俯仰角，
t
为采样时间，
x(t
k
,t
i
)
为通过
i
次采样的第
k
个啁啾信号发射后得到的接收信号，表示导向矢量的共轭转置矢量，
x
l
(t)
表示信道
l
的接收向量；
M、N
分别为毫米波雷达虚拟天线阵列的行数
、
列数；
[0012]S3
：对接收信号进行预处理：对毫米波雷达感知区域按单元进行划分，得到存在感知目标的候选单元集，去除其中判断为静态反射物和随机身体运动的候选单元，定位喉咙部位以获得声带振动的数据；
[0013]S4
：对所述声带振动的数据进行特征提取：取喉咙部位单元中的采集的平均信号
作为声带振动的射频接收信号采用提取
Mel
频率倒谱系数的方式获得声带振动的轨迹；
[0014]S5
：对声带振动的轨迹进行基于深度神经网络
AlexNet
的声纹识别
。
[0015]进一步地，所述
S1
具体为：
[0016]毫米波雷达发射调频连续波信号，通过目标人调制后反射回波信号，所述调频连续波信号和回波信号通过混频器混频得到中频信号，其表达式如下：
[0017][0018]式中，
j
为虚数单位，
λ
c
为载波波长，
S
为调频连续波信号的每个啁啾信号的斜率，
c
＝3×
108m/s
为光速；公式中第三项值过小，能忽略不计；
R(t)
为毫米波雷达与目标人之间的位移，包含了两个位移信号，其表达式如下：
[0019]R(t)
＝
R0+r(t)
[0020]式中，
R0为毫米波雷达与目标人之间的固定距离，
r(t)
为声带振动引起的喉咙皮肤位移；
[0021]得到通过
i
次采样的第
k
个啁啾信号发射后，接收信号的表达式如下：
[0022][0023]进一步地，所述
S2
具体为：
[0024]对于
M
×
N
的多天线毫米波雷达，相当于
M
×
N
元素的虚拟天线阵列，第
l
信道
(l
＝
1,2,
…
,M
×
N)
的接收信号表达式为：
[0025][0026]式中，
d
l
为信道
l
引起的相对距离；
[0027]第
m
个发射天线的导向矢量和第
n
个接收天线的导向矢量分别表示为：
[0028][0029][0030]式中，
R
m,y
表示发射天线
m
到目标人的距离的
y
坐标，
R
m,z
表示发射天线
m
到目标人的距离的
z
坐标；
R
n,x
表示接收天线
n
到目标人的距离的
x
坐标，
R
n,y
表示接收天线
n
到目标人的距离的
y
坐标；指向方向的导向矢量为所有发射和接收天线的导向矢量的乘积，其表达式如下：
[0031][0032]式中，为
m
个发射天线的导向矢量的乘积，为
n
个接收天线的导向矢量的乘积
。
[0033]进一步地，所述
S3
具体通过如下子步骤实现：
[0034]S3.1
：对雷达感知信号空间按单元进行划分，根据毫米波雷达的距离分辨率，将雷
达感知的区域划分为多个长方体单元，以距离分辨率为长方体单元的一个边长，每个长方体单元的长为
Δ
r
，宽为高为其中，为距离分辨率，
B
为啁啾信号的带宽，
Δθ
为方位角的间距，为俯仰角的间距，
Δθ
和均为人为定义；
[0035]S3.2
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于毫米波感知振动信号的抗噪声声纹识别方法，其特征在于，包括以下步骤：
S1
：使用毫米波雷达向目标人发射射频信号，并接收目标人说话时对发射信号调制后的回波信号，将回波信号与发射信号混合后的中频信号作为毫米波雷达的接收信号；
S2
：通过波束成形算法提高接收信号的信噪比；通过波束成形后的接收信号表达式为：
x
l
(t)
＝
[x1，1(t
k
，
t
i
)
，
x1，2(t
k
，
t
i
)
，
...
，
x
M
，
N
(t
k
，
t
i
)]
式中，
θ
为目标人相对毫米波雷达的方位角，为俯仰角，
t
为采样时间，
x(t
k
，
t
i
)
为通过
i
次采样的第
k
个啁啾信号发射后得到的接收信号，表示导向矢量的共轭转置矢量，
x
l
(t)
表示信道
l
的接收向量；
M、N
分别为毫米波雷达虚拟天线阵列的行数
、
列数；
S3
：对接收信号进行预处理：对毫米波雷达感知区域按单元进行划分，得到存在感知目标的候选单元集，去除其中判断为静态反射物和随机身体运动的候选单元，定位喉咙部位以获得声带振动的数据；
S4
：对所述声带振动的数据进行特征提取：取喉咙部位单元中的采集的平均信号作为声带振动的射频接收信号采用提取
Mel
频率倒谱系数的方式获得声带振动的轨迹；
S5
：对声带振动的轨迹进行基于深度神经网络
AlexNet
的声纹识别
。2.
根据权利要求1所述的基于毫米波感知振动信号的抗噪声声纹识别方法，其特征在于，所述
S1
具体为：毫米波雷达发射调频连续波信号，通过目标人调制后反射回波信号，所述调频连续波信号和回波信号通过混频器混频得到中频信号，其表达式如下：式中，
j
为虚数单位，
λ
c
为载波波长，
S
为调频连续波信号的每个啁啾信号的斜率，
c
＝3×
108m/s
为光速；公式中第三项值过小，能忽略不计；
R(t)
为毫米波雷达与目标人之间的位移，包含了两个位移信号，其表达式如下：
R(t)
＝
R0+r(t)
式中，
R0为毫米波雷达与目标人之间的固定距离，
r(t)
为声带振动引起的喉咙皮肤位移；得到通过
i
次采样的第
k
个啁啾信号发射后，接收信号的表达式如下：
3.
根据权利要求1所述的基于毫米波感知振动信号的抗噪声声纹识别方法，其特征在于，所述
S2
具体为：对于
M
×
N
的多天线毫米波雷达，相当于
M
×
N
元素的虚拟天线阵列，第
l
信道
(l
＝1，2，
…
，
M
×
N)
的接收信号表达式为：式中，
d
l
为信道
l
引起的相对距离；第
m
个发射天线的导向矢量和第
n
个接收天线的导向矢量分别表示
为：为：式中，
R
m
，
y
表示发射天线
m
到目标人的距离的
y
坐标，
R
m
，
z
表示发射天线
m
到目标人的距离的
z
坐标；
R
n
，
x
表示接收天线
n
到目标人的距离的
x
坐标，
R
n
，
y
表示接收天线
n
到目标人的距离的
y
坐标；指向方向的导向矢量为所有发射和接收天线的导向矢量的乘积，其表达式如下：式中，为
m
个发射天线的导向矢量的乘积，为
n
个接收天线的导向矢量的乘积
。4.
根据权利要求1所述的基于毫米波感知振动信号的抗噪声声纹识别方法，其特征在于，所述
S3
具体通过如下子步骤实现：
S3.1
：对雷达感知信号空间按单元进行划分，根据毫米波雷达的距离分辨率...

【专利技术属性】
技术研发人员：吴迎笑，韩建平，简志华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：