[发明专利]面向语音通信的身份信息隐藏方法

权利要求书

1.一种面向语音通信的身份信息隐藏方法，其特征是按如下步骤进行：

一、语音源建模；

二、生成语音字典；

三、采用身份信息隐藏算法将用户的语音转换成了与该用户差异最大的语音源的声音；

步骤一具体如下：利用GMM对每个说话人即语音源的语音特征参数空间进行建模，每个人对应一个GMM，即

其中，x为d维特征矢量；ω_m为混合权重，且满足P_m(x；μ_m,∑_m)为d维高斯函数，表示GMM模型的第m个高斯分量；μ_m表示该高斯分量的均值矢量；∑_m表示协方差矩阵；整个高斯混合模型用λ来表示：

λ＝{ω_m,μ_m,∑_m},m＝1,2,...,M (3)

模型参数λ是通过期望最大算法求得，假设语音特征参数空间是长度为T的矢量序列X＝{x_t,t＝1,2,...,T}，则有：

通过上述算法求解GMM模型参数，为每一说话人构建一个GMM模型；

步骤二具体的如下：对语音库中的N个说话人，分别通过STRAIGHT模型进行信号建模，提取每帧语音的声道谱和基频，并从声道谱中求出梅尔倒谱系数；声道谱参数作为特征参数用于生成语音字典并进行特征参数的转换，MCC参数用于动态时间规整和说话人特征参数空间的GMM建模；用DTW对N个说话人的MCC矢量序列进行时间对齐，再根据这些时间对齐信息，将N个说话人的声道谱特征参数矢量序列进行相应的时间对齐，然后在每个对齐的声道谱特征参数矢量序列的相同位置上随机抽取L个特征参数矢量；分别随机抽取每一说话人的L个的声道谱特征参数矢量各自建立字典，获得N个对称的字典，即{A_n,n＝1,2,…,N}；同时对每一说话人的基音频率进行统计分析，得到均值μ和方差σ，即基频转换参数；

步骤三具体如下：

(1)建立包含N个说话人的语音库；

(2)分别为每个说话人的特征参数矢量空间建立GMM模型，求得GMM模型参数，即可得到N个GMM模型；

(3)分别为每个说话人确定语音字典和基频转换参数；利用上一步MCC参数，通过动态时间规整算法对语音库中N个说话人的语音进行时间对齐；根据时间对齐信息，为N个说话人的STRAIGHT声道谱特征参数矢量序列进行规整对齐；在N个时间对齐的声道谱矢量序列中，分别随机抽取相同位置上的声道谱特征参数矢量构成语音字典，这样就建立N个说话人的对齐的语音字典并储存；同时，分别为语音库中每个说话人的基音频率进行统计，得到均值和方差；

(4)对于任意用户，获取一小段语音，并由STRAIGHT模型提取声道谱和基频，并通过声道谱得到MCC参数，然后分别计算MCC参数矢量序列在N个GMM模型下的概率，以用于用户语音和库中各个说话人之间语音相似度的判决，即：

其中，T是MCC参数矢量序列的长度；

(5)找出N个概率中的最大值所对应的说话人i和最小值所对应的说话人j，即：

(6)找出对应存储的说话人i和说话人j的语音字典A_i和A_j以及基频均值μ_i、μ_j和方差σ_i、σ_j；

(7)由用户声道谱特征参数矢量序列S和说话人i的语音字典A_i通过非负矩阵分解算法计算权值矩阵H；在S和A_i已知的情况下，通过最小化损失函数来估计权值矩阵H，即：

H＝argmin{d_KL(S,A_iH)+||εΛ^1×L.*H||₁}s.t.H≥0 (11)

其中，d_KL(·)表示KL散度，||·||₁表示L1范数，ε表示稀疏惩罚因子，Λ表示全1矩阵，L表示特征参数矢量维数；

(8)由说话人j的语音字典A_j与上一步求得的权值矩阵H获得合成目标语音谱；

(9)基频转换利用统计的方法，通过上述说话人i和说话人j对应的基频均值μ_i、μ_j和方差σ_i、σ_j，得到转换后的基频为：

其中，f_x表示用户语音的基频，表示转换基频；

(10)利用步骤(8)、(9)得到的目标频谱和转换基频通过STRAIGHT模型合成语音，使得用户的语音转换成了第j个说话人的声音，实现隐藏说话人身份信息的目的。