[发明专利]一种基于声纹识别的个性化智能家居安全控制系统及方法

权利要求书

1.一种基于声纹识别的个性化智能家居安全控制系统，其特征在于，包括语音采集模块、语音预处理模块、声纹特征提取模块、特征匹配模块、特征融合模块、属性分类模块、权限管理模块、中央控制模块和智能家庭终端设备；

所述语音采集模块用于采集家居环境中的语音信息；

所述语音预处理模块用于对语音采集模块采集到的语音信息进行预处理；

所述声纹特征提取模块用于提取预处理后的语音信息中基于声道模型的LPCC特征以及基于人耳听觉特性的MFCC特征，并根据MFCC特征构建MFCC声纹模型；

所述特征匹配模块用于对MFCC声纹模型和声纹库中的用户声纹模型进行特征匹配，并计算得到两者的相似度得分；

所述特征融合模块用于对LPCC特征和MFCC特征进行特征融合，得到混合特征向量；

所述属性分类模块用于将混合特征向量输入分类模型，得到说话人的年龄及性别属性；

所述权限管理模块用于将LPCC特征及MFCC特征与语义文字库中的指令文字进行语义匹配，并将语义匹配结果与权限规则库中的规则进行匹配，判断说话人是否具备执行词条指令的权限；

所述中央控制模块用于将具有权限的用户指令转换为对应的机器指令，并发送给指定智能家庭终端设备。

2.一种基于声纹识别的个性化智能家居安全控制方法，其特征在于，包括以下步骤：

S1、通过语音采集模块采集家居环境中的语音信息，并将60Hz～6KHz范围内的语音流作为原始语音信息发送至语音预处理模块；

S2、通过语音预处理模块对原始语音信息进行预处理；

S3、通过声纹特征提取模块分别提取预处理后的语音信息中基于声道模型的LPCC特征以及基于人耳听觉特性的MFCC特征；

S4、加载通过Resnet训练好的声纹模型，并基于声纹模型和MFCC特征构建MFCC声纹模型；

S5、在特征匹配模块中，采用特征匹配算法对MFCC声纹模型和声纹库中的用户声纹模型进行特征匹配，并计算得到两者的相似度得分；

S6、判断相似度得分是否大于预设阈值，若是则进入步骤S9，否则进入步骤S7；

S7、在特征融合模块中，根据Fisher准则对LPCC特征和MFCC特征进行特征融合，得到混合特征向量；

S8、加载通过高斯混合模型训练好的分类模型，并将混合特征向量输入分类模型，得到说话人的年龄及性别属性；

S9、将LPCC特征及MFCC特征与语义文字库中的指令文字进行语义匹配，得到指令语义；

S10、在权限管理模块中，将特定属性说话人的指令语义与权限规则库中的规则进行匹配，判断说话人是否具备执行词条指令的权限，若是则进入步骤S11，否则向用户反馈一条无权限消息，结束控制流程；

S11、将具有权限的用户指令传输给中央控制模块；

S12、通过中央控制模块将具有权限的用户指令转换为对应的机器指令，并发送给指定智能家庭终端设备，结束控制流程。

3.根据权利要求2所述的个性化智能家居安全控制方法，其特征在于，所述步骤S2包括以下分步骤：

S21、对原始语音信息中的语音信号进行预加重，提升语音信号的高频分量；

S22、对语音信号进行分帧加窗，并通过FFT变换获得每一帧信号的频谱；

S23、计算得到每一帧信号的谱能量，并根据每一帧信号的谱能量计算得到FFT中每个频谱分量的概率密度函数；

S24、根据每个频谱分量的概率密度函数计算每一帧信号的谱熵值；

S25、通过预设的判决门限来检测每一帧的谱熵值，将谱熵值小于判决门限对应帧作为语音信息的边界端点，完成对原始语音信息的预处理。

4.根据权利要求3所述的个性化智能家居安全控制方法，其特征在于，所述步骤S24中计算每一帧信号的谱熵值的公式为：

其中H(i)表示第i帧信号的谱熵值，P(n,i)表示第i帧信号第n个频谱分量的概率密度，N表示FFT中频率成分的所有分量数。