司法话者识别下的平静语音与生气语音的共振峰研究

• 作 者: 张子扬
• 出 处: 上海师范大学
• 发表日期: 2021年01期
• 关键词: 司法话者识别 情感语音 共振峰静态模式 共振峰动态模式

本篇论文所研究的内容,是当前司法话者识别研究中比较关注且热点的问题,实际应用性和价值性均比较强。现下,时代经济的发展与科学技术手段的进步日新月异,电话、手机、网络对讲系统等一系列的通讯工具得到了极大范围的普及。一方面,这些通讯工具便捷迅速,很大程度上方便了我们的生活。另一方面,因为通话的载体主要为语音,而语音又具有转瞬即逝的特点,通讯工具两端的通话人无法见到彼此,更不可能感知对方生理上所发生的变化。所以,通讯工具常常被各类犯罪分子作为作案的首要工具,特别是在以匿名电话为手段的绑架案、勒索案、诈骗案、诽谤案等各类案件中,这些与人民的生活息息相关。在警方对案件侦破的过程中,语音材料则成为了案件中仅有的线索与证据,甚至成为疑难案件侦查的突破点,所以其重要性是不言而喻的。传统的司法话者识别中,主要是针对语音材料本身,从语音数字信号处理的角度,通过不同的算法,得出相关的声学信息,从中解析出讲话人的身份信息。而本文不仅仅从语音信号中得出声学参数,还将司法话者识别与情绪语音相结合,更加贴合实际情况,也扩大了应用范围。通过研究,排除在实际的司法话者识别过程中人的情绪对于识别过程的干扰,增强了应用性,进行实践上与理论上的创新。全文共有六章,第一章为绪论,主要介绍研究背景、研究理论、研究方法、研究现状、研究价值以及研究的重要意义。第一部分介绍司法话者识别当前的研究现状,自动识别法与专家识别法所取得的重要研究成果与研究进展;第二部分主要介绍本文所使用的研究理论;第三部分则主要介绍了本文研究的创新点。第二章主要介绍了实验设备、参数设置、实验过程、实验方法等。首先对本文实验所用到的设备进行了相关介绍,对相关仪器的工作原理进行了阐释;在语音信号采集方面,对发音语料的选取和发音人的选择进行了说明;并对实验过程中实验参数的设置、实验过程、数据的处理等均做了详细的说明。第三章主要对生气时的情绪状态与平静时的情绪状态下单元音的共振峰静态模式进行了研究。主要考察的是基本声学参数,例如声强、元音时长、基频以及第一、第二、第三、第四共振峰的差异情况。第四章主要对两种不同情绪状态下三合元音的共振峰动态模式进行了研究。现阶段国外大多数的研究中所采用的是共振峰之间的比值法,以此来反映说话人不同共振峰之间的相对关系,但笔者认为采取传统的差值法能够更形象地反映出不同共振峰之间的关系,于是采用做差的方法对共振峰进行了研究。第五章则利用Voicesauce这一软件对三种不同情绪状态下的语音进行了三十二种声学参数的提取,试图探索出更加能够代表个人特定性的特征参量。还讨论了基于当前司法鉴定中的话者识别所遇到的实际问题,情绪语音的研究在司法话者识别下的意义与价值。第六章主要是对本文进行概括与总结,并得出探索结论。本文的创新点在于,传统的司法话者识别上加入了人的情绪状态。虽然现阶段话者识别中已经运用了自动识别模式,但自动识别模式只严格要求一种状态,按照标准的固有模式录音,才能进行准确识别。本文的研究价值是在自动化模式匹配的基础上,将情绪状态这一影响因素排除,因为往往发音人情绪状态的不同会影响模式匹配的结果,把情绪因素排除掉之后,识别的结果的正确率得以提高,从而提高识别系统的鲁棒性。