[发明专利]电子装置、身份验证的方法及计算机可读存储介质

权利要求书

1.一种电子装置，其特征在于，所述电子装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的身份验证的系统，所述身份验证的系统被所述处理器执行时实现如下步骤：

S1，在接收到待进行身份验证的目标用户的当前语音数据后，对所述当前语音数据按照预设的分帧参数进行分帧处理，以获得多个语音帧；

S2，利用预定的滤波器提取各个语音帧中预设类型的声学特征，根据所提取的声学特征生成所述当前语音数据对应的多个观测特征单元；

S3，将各个观测特征单元分别与预存的观测特征单元进行两两配对，以获得多组配对后的观测特征单元；

S4，将多组配对后的观测特征单元输入预先训练生成的深度卷积神经网络模型，并获取输出的身份验证结果，以对该目标用户进行身份验证，所述深度卷积神经网络模型采用识别函数进行身份验证，所述识别函数为：

obj＝-∑In(P(x，y))-K∑In(1-P(x，y))，

其中，L(x，y)＝x^TUy-x^TVx-y^TVy+b；

P(x，y)为计算一组观测特征单元中的各个观测特征单元属于同一用户的概率，L(x，y)为计算一组观测特征单元中的各个观测特征单元的相似度L，x为一组观测特征单元中的一个观测特征单元输入深度卷积神经网络模型的归一化层得到的用户特征，y为该组观测特征单元中另一个观测特征单元输入所述归一化层得到的用户特征，K为常量，U为用户的类内关系矩阵，V为用户类间关系矩阵，b为偏置量，T为矩阵转置。

2.根据权利要求1所述的电子装置，其特征在于，所述预定的滤波器为梅尔滤波器，所述利用预定的滤波器提取各个语音帧中预设类型的声学特征的步骤包括：

对所述语音帧进行加窗处理；

对每一个加窗进行傅立叶变换得到对应的频谱；

将所述频谱输入梅尔滤波器以输出得到梅尔频谱；

在梅尔频谱上面进行倒谱分析以获得梅尔频率倒谱系数MFCC，以所述梅尔频率倒谱系数MFCC作为该语音帧的声学特征。

3.根据权利要求2所述的电子装置，其特征在于，所述根据所提取的声学特征生成所述当前语音数据对应的多个观测特征单元的步骤包括：

以所述当前语音数据中的每个录音数据中的语音帧为一语音帧集合，将所述语音帧集合中的每个语音帧的20维梅尔频率倒谱系数MFCC按对应语音帧的分帧时间的先后顺序拼接，生成对应的(20，N)维矩阵的观测特征单元，所述N为该语音帧集合的总帧数。

4.一种身份验证的方法，其特征在于，所述身份验证的方法包括：

S1，在接收到待进行身份验证的目标用户的当前语音数据后，对所述当前语音数据按照预设的分帧参数进行分帧处理，以获得多个语音帧；

S2，利用预定的滤波器提取各个语音帧中预设类型的声学特征，根据所提取的声学特征生成所述当前语音数据对应的多个观测特征单元；

S3，将各个观测特征单元分别与预存的观测特征单元进行两两配对，以获得多组配对后的观测特征单元；

S4，将多组配对后的观测特征单元输入预先训练生成的深度卷积神经网络模型，并获取输出的身份验证结果，以对该目标用户进行身份验证，所述深度卷积神经网络模型采用识别函数进行身份验证，所述识别函数为：

obj＝-∑In(P(x，y))-K∑In(1-P(x，y))，

其中，L(x，y)＝x^TUy-x^TVx-y^TVy+b；

P(x，y)为计算一组观测特征单元中的各个观测特征单元属于同一用户的概率，L(x，y)为计算一组观测特征单元中的各个观测特征单元的相似度L，x 为一组观测特征单元中的一个观测特征单元输入深度卷积神经网络模型的归一化层得到的用户特征，y为该组观测特征单元中另一个观测特征单元输入所述归一化层得到的用户特征，K为常量，U为用户的类内关系矩阵，V为用户类间关系矩阵，b为偏置量，T为矩阵转置。