[发明专利]一种语音指令的声纹安全性评分方法和系统

权利要求书

1.一种语音指令的声纹安全性评分方法，其特征在于，包括以下步骤：

步骤S01，对不同类型的声纹模型进行安全性分析，获取说话内容变量取值与声纹认证误识别率之间的数据对集合；所述的说话内容变量包括丰富度-长度协同变量、以及细节-长度协同变量；

步骤S02，定义说话内容的声纹安全性评分函数S，所述的评分函数以丰富度R、长度L、细节E、模型M为自变量，表示为：

S＝f^M(L,R,E)

其中，f(.)表示说话内容变量与安全性之间的函数；

步骤S03，根据说话内容变量与声纹认证误识别率间的对应关系，解耦自变量模型M、丰富度R、长度L和细节E，将变量模型M与安全性之间的映射关系作为一个隐函数，将丰富度R、长度L、细节E与安全性之间的映射关系作为显函数，对说话内容变量取值与声纹认证误识别率之间的关系进行拟合，并利用线性映射函数将[0,1]区间内的声纹认证误识别率转换成[0,10]区间内的评分值，得到最终的评分函数；

步骤S04，针对待评估的语音指令，转化成音素序列后提取丰富度、长度、细节特征，代入说话内容变量取值与声纹认证误识别率之间的拟合函数中，并根据最终的评分函数得到评分结果。

2.根据权利要求1所述的语音指令的声纹安全性评分方法，其特征在于，步骤S03中解耦自变量模型M，具体为：

针对不同种类型的声纹模型，丰富度R、长度L、细节E变化对误识别率影响的趋势相同但具体值不同，因此将变量模型M与安全性之间的映射关系作为隐函数，表示变量模型M决定了安全性评分与丰富度R、长度L、细节E之间映射的参数取值。

3.根据权利要求1所述的语音指令的声纹安全性评分方法和系统，其特征在于，步骤S03中解耦自变量丰富度R和长度L，具体为：

对丰富度-长度协同变量取值与声纹认证误识别率之间的数据对进行离散点数据拟合，得到丰富度-长度级别的误识别率拟合函数表示丰富度R和长度L对安全性评分的影响力量化结果；利用拟合后的量化结果来表示声纹安全性评分函数：

其中，g(.)为误识别率到安全性评分的线性映射函数；f^M(E)表示在模型M下，细节E与安全性之间的映射关系函数。

4.根据权利要求1所述的语音指令的声纹安全性评分方法和系统，其特征在于，步骤S03中解耦自变量细节E，具体为：

根据细节-长度协同变量取值与声纹认证误识别率之间的数据对，对所有音素α下的长度与声纹认证误识别率之间离散点数据进行拟合，得到音素级别的误识别率拟合函数对语音指令中包含的所有音素α下的求均值，得到音素级别的平均误识别率拟合函数表示细节E对安全性评分的影响力量化结果；

针对任意一句测试语句A₁，将其声纹误识别率看作基准语句A_o的误识别率加上偏差值，所述的基准语句A_o的丰富度R和长度L都与A₁相同，细节E为音素平均分布；基准语句A_o与测试语句A₁之间的误识别率的偏差值是由测试语句A₁的音素种类与音素种类平均的差距造成的，将所述的音素种类差距造成的偏差值与所述的音素种类平均的差距造成的偏差值之和作为总的误识别率偏差值，代替细节E与安全性之间的映射关系函数f^M(E)，将声纹安全性评分函数表示为：

其中，表示测试语句A₁与基准语句A_o的总的误识别率偏差值，L(α)表示音素α的长度，g(.)为误识别率到安全性评分的线性映射函数。

5.根据权利要求3或4所述的语音指令的声纹安全性评分方法和系统，其特征在于，所述的误识别率到安全性评分的线性映射函数表示为：

g(F)＝10(1-F)

其中，F为声纹认证误识别率。