音樂(lè )識別鎖軟硬件完整方案

緒論

隨著(zhù)人們生活質(zhì)量的提高，對生活各面都提出了更高的要求。家居安全成了人們關(guān)注的問(wèn)題。同時(shí)，鑰匙的遺失或失竊成為了普通鑰匙的最大弊端。由此人們急需一種更方便，更安全的門(mén)鎖系統。無(wú)疑，聲紋識鎖是目前最好的考慮。但由于人聲易被拷貝，整個(gè)鎖價(jià)格昂貴，所以沒(méi)法在普通家庭進(jìn)行推廣。另外，一把語(yǔ)音鎖只能由一個(gè)人開(kāi)啟，不適合家庭等需要多成員的場(chǎng)所使用。于是，作者另辟蹊徑，發(fā)明了音紋識別鎖，用音樂(lè )來(lái)開(kāi)鎖。它幾乎完全具有聲紋識別鎖的所有功能。同時(shí)，它造價(jià)低廉，方便攜帶。只要記住音樂(lè )的片段，就可以用音樂(lè )播放設備進(jìn)行開(kāi)啟。完全不怕丟失，如果想把鑰匙“配”給其它人，只需要告訴他音樂(lè )的片段的信息就可以了，使用起來(lái)非常方便。

一，音樂(lè )識別實(shí)現過(guò)程介紹

本文介紹的音樂(lè )電子門(mén)鎖是一種在單片機上實(shí)現的與文本有關(guān)的身份確認系統。該系統主要由語(yǔ)音識別模塊、電磁鐵以及門(mén)鎖等部分組成。在訓練時(shí)，音樂(lè )通過(guò)音頻接口進(jìn)入音樂(lè )信號采集前端電路，由音樂(lè )信號處理電路對采集的音樂(lè )信號進(jìn)行特征化和音樂(lè )處理，提取音樂(lè )音紋的個(gè)性特征參數并進(jìn)行存儲，形成音紋參數數據庫（母版）。在識別時(shí)，將待識別音樂(lè )與音紋參數數據庫進(jìn)行匹配，通過(guò)輸出電路控制電磁鐵的通斷，最終實(shí)現對門(mén)鎖的控制。

圖1

由框架圖1可以看出，此識別過(guò)程的安全性有4個(gè)保證點(diǎn)。第一個(gè)是在輸入密鑰的時(shí)候，直接輸入數字信號，無(wú)法被竊聽(tīng)。剩下的3個(gè)保證點(diǎn)分別是三次音樂(lè )識別過(guò)程。識別三段音樂(lè )，這三段音樂(lè )可以是一首歌中的音樂(lè )，也可以分別來(lái)自不同的音樂(lè )，不確定性加強了。同時(shí)，此識別過(guò)程需要三段音樂(lè )同時(shí)識別成功最后才能成功，每次識別都需要按鍵，音樂(lè )的精準度有了保障。采用不同的按鍵輸入，按鍵順序隨時(shí)改變，因此，從某種意義上來(lái)講又成為了一種密碼。因此，如果想拿出一個(gè)存滿(mǎn)音樂(lè )的mp3或者就只是一首歌來(lái)逐個(gè)的試出打開(kāi)鎖的密碼音樂(lè )，那樣無(wú)異于大海撈針。

（母版聲紋密碼）

（聲紋鑰匙）

此圖可直觀(guān)的看出，聲紋信息不一致，因此無(wú)法識別！

二，音紋識別與聲紋識別的比較

生物識別技術(shù)是利用人體生物特征進(jìn)行身份認證的一種技術(shù)，是目前公認的最為方便與安全的識別技術(shù)。在生物識別領(lǐng)域中，聲紋識別，也稱(chēng)為說(shuō)話(huà)人識別，以其獨特的方便性、經(jīng)濟性和準確性等優(yōu)勢受到世人矚目，并且日益成為人們日常生活和工作中重要且普遍的安全認證方式。聲紋識別技術(shù)是一種根據說(shuō)話(huà)人語(yǔ)音波形中反映說(shuō)話(huà)人生理和行為特征的語(yǔ)音參數，自動(dòng)識別說(shuō)明人身份的技術(shù)。隨著(zhù)技術(shù)應用范圍的擴大，聲紋識別的應用暴露出一些難以克服的缺點(diǎn)，比如同一個(gè)人的聲音具有易變性，易受身體狀況、年齡、情緒等的影響；比如不同的麥克風(fēng)和信道對識別性能有影響；比如環(huán)境噪音對識別有干擾；比如多人混合說(shuō)話(huà)的情形下人的聲紋特征不易提取，等等。最新實(shí)踐表明，聲紋識別出現了一個(gè)很大的漏洞：聲紋信息可被高保真錄音設備提取。這個(gè)缺點(diǎn)直接影響了聲紋識別技術(shù)的安全性。

音紋識別與身紋識別最大的區別就是前者用音樂(lè )做密碼，要求用戶(hù)按照自己的喜好，往音紋識別系統中輸入特定的音樂(lè )片段，音紋模型被精確地建立。以后的識別將會(huì )以此段音樂(lè )為母版，進(jìn)行音紋比對。如果被識別的音紋能與母版相匹配則識別成功。由于音樂(lè )片段是通過(guò)音頻接口直接在識別系統與音樂(lè )播放器中進(jìn)行傳輸，傳輸的是數字信號，因此不會(huì )有外界聲音的影響，與使用者的身體狀況沒(méi)有任何關(guān)系，可以達到較好的識別效果。同時(shí)，由于音樂(lè )傳播的隱蔽性，音紋密碼不會(huì )被外部錄音設備獲取，保證了音紋識別系統安全性。

因此，音紋識別技術(shù)，它克服了以上所有聲紋識別具有的缺點(diǎn)。同時(shí)，音紋識別的應用有一些特殊的優(yōu)勢：(1)蘊含音紋特征的語(yǔ)音獲取方便、快捷，音紋提取可利用任何音樂(lè )載體完成，因此使用者的接受程度也高；(2)獲取音樂(lè )的識別成本低廉，使用簡(jiǎn)單，一個(gè)音頻接口即可，在使用通訊設備時(shí)更無(wú)需額外的錄音設備；(3)適合遠程身份確認，只需要一個(gè)手機就可以通過(guò)網(wǎng)路(通訊網(wǎng)絡(luò )或互聯(lián)網(wǎng)絡(luò ))實(shí)現遠程登錄；(4)音紋辨認和確認的算法復雜度低；……等等。這些優(yōu)勢音預示著(zhù)音紋識別，這種全新的識別模式必將成為身份識別技術(shù)中另一具有發(fā)展潛力的技術(shù)。

圖2

三，算法原理

音紋識別算法原理框圖如圖2所示。

（一）預處理

1，去噪

對音頻接口輸入的數字信號；將含噪的音樂(lè )信號通過(guò)去噪處理，得到干凈的音樂(lè )信號后并通過(guò)預加重技術(shù)濾除低頻干擾，尤其是50Hz或60Hz的工頻干擾，提升語(yǔ)音信號的高頻部分，而且它還可以起到消除直流漂移、抑制隨機噪聲和提升清音部分能量的作用。

2，端點(diǎn)檢測

本系統采用音樂(lè )信號的短時(shí)能量和短時(shí)過(guò)零率進(jìn)行端點(diǎn)檢測。音樂(lè )信號的采樣頻率為8kHz，每幀數據為20ms，共計160個(gè)采樣點(diǎn)。每隔20ms計算一次短時(shí)能量和短時(shí)過(guò)零率。通過(guò)對音樂(lè )信號的短時(shí)能量和短時(shí)過(guò)零率檢測可以剔除掉靜默幀、白噪聲幀和清音幀，最后保留對求取基音等特征參數非常有用的濁音信號。

3，特征提取

在音樂(lè )信號預處理后，接著(zhù)是特征參數的提取。特征提取的任務(wù)就是提取音樂(lè )信號中表征音樂(lè )的基本特征。特征必須能夠有效地區分不同的音樂(lè )，同時(shí)要求特征參數計算簡(jiǎn)便，最好有高效快速算法，以保證識別的實(shí)時(shí)性。

（1）音樂(lè )特殊性的保證

此識別技術(shù)可以采用任何格式的音樂(lè )，這也是此系統最大的優(yōu)點(diǎn)之一。每一段音樂(lè )記錄了不同演唱者的聲紋信息，以及音樂(lè )的音色、調性、節拍、音高、音長(cháng)、音量、速度和持續時(shí)間等特定的信息。在此基礎上，又可以進(jìn)一步提取旋律、和聲、節奏等復雜特征。這些信息，就像人類(lèi)的聲紋特征一樣，有著(zhù)特殊性，于是謂之為音紋。此識別技術(shù)識別音樂(lè )基本特征和復雜特征在內的音樂(lè )信息并且利用模糊分類(lèi)器識別出每一個(gè)樂(lè )段所帶有的密碼。為了提高系統的識別率，在本系統中最好選擇調子起伏較大，音色比較特別的音樂(lè )。

（2）參數提取的比較

通過(guò)線(xiàn)性預測分析得到的參數。包括線(xiàn)性預測系數（LPC）以及由線(xiàn)性預測導出的各種參數，如線(xiàn)性預測倒譜系數（LPCC）、部分相關(guān)系數、反射系數、對數面積比、LSP線(xiàn)譜對、線(xiàn)性預測殘差等。根據前人的工作成果和實(shí)際測試比較，LPCC參數不但能較好地反饋聲道的共振峰特性，具有較好地識別效果，而且可以用比較簡(jiǎn)單的運算和較快的速度求得。此外，人們還通過(guò)對不同特征參數量的組合來(lái)提高實(shí)際系統的性能。當各組合參量間相關(guān)性不大時(shí)，會(huì )有較好的效果，因為它們分別反映了音樂(lè )信號的不同特征。在計算機平臺的仿真實(shí)驗中，通過(guò)各種參數的實(shí)際比較，采用MFCC參數比采用LPCC參數有更好的識別效果。但在SPCE061A平臺上做實(shí)時(shí)處理時(shí)，與LPCC系統相比，MFCC系數計算有兩個(gè)缺點(diǎn)：一是計算時(shí)間長(cháng)；二是精度難以保證。由于MFCC系統的計算需要FFT變換和對數操作，影響了計算的動(dòng)態(tài)范圍；要保證系統識別的實(shí)時(shí)性，就只有犧牲參數精度。而LPCC參數的計算有遞推公式，速度和精度都可以保證，識別效果也滿(mǎn)足實(shí)際需要。本系統采用了基音周期和線(xiàn)性預測倒譜系數（LPCC）共同作為音樂(lè )識別的特征參數。

（3）LPCC參數的提取

基于線(xiàn)性預測分析的倒譜參數LPCC可以通過(guò)簡(jiǎn)單的遞推公式由線(xiàn)性預測系數求得。遞推公式如下：

其中p為L(cháng)PC模型的階數，也是模型的極點(diǎn)個(gè)數。

（4）LPC模型階數p的確定

為使模型假定更好地符合語(yǔ)音產(chǎn)生模型，應該使LPC模型的階數p與共振峰個(gè)數相吻合。通常一對極點(diǎn)對應一個(gè)共振峰，10kHz采樣的音樂(lè )信號通常有5個(gè)共振峰，取p=10，對于8kHz采樣的音樂(lè )信號可取p=8。此外為了彌補音樂(lè )片段中存在的零點(diǎn)以及其他因素引起的偏差，通常在上述階數的基礎上再增加兩個(gè)極點(diǎn)，即分別是p=12和p10。實(shí)驗表明，選擇LPC分析階數p=12，對絕大多數音樂(lè )信號的聲道模型可以足夠近似地逼近。P值選得過(guò)大雖然可以略微改善逼近效果，但也帶來(lái)一些負作用，一方面是加大了計算量，另一方面有可能增添一些不必要的細節。

（5）線(xiàn)性預測系數的求取

自相關(guān)解法主要有杜賓（Durbin）算法、格型（Lattice）算法和舒爾（Schur）算法等幾種遞推算法。其中在杜賓算法是目前最常用的算法，而且在求取LPC系數時(shí)計算量也量小，本系統采用該遞推算法。

4，基音參數的提取

基音估計的方法很多，主要有基于短時(shí)自相關(guān)函數和基于短時(shí)平均幅度差函數（AMDF）等基音估計方法。

（1）基于短時(shí)自相關(guān)函數的基音估計

（2）短時(shí)自相關(guān)函數在基音周期的整數倍位置存在較大的峰值，只要找出第一最大峰值的位置就可以估計出基音周期。

（3）基于短時(shí)平均幅度差函數（AMDF）的基音估計

基于短時(shí)平均幅度差函數（AMDF）在基音周期的整數倍位置存在較大的谷值，找到第一最大谷值的位置就可以估計出基音周期。這種方法的缺點(diǎn)是當語(yǔ)音信號的幅度快速變化時(shí)，AMFD函數的谷值深度會(huì )減小，從而影響基音估計的精度。

實(shí)際上第一最大峰（谷）值點(diǎn)的位置有時(shí)并不能與基音周期吻合，第一最大峰（谷）值點(diǎn)的位置與短時(shí)窗的長(cháng)度有關(guān)且會(huì )受到共振峰的干擾。一般窗長(cháng)至少應大于兩個(gè)基音周期，才可能獲得較好的估計效果。音樂(lè )中最長(cháng)基音周期值約為20ms，本系統在估計基音周期時(shí)窗長(cháng)選擇40ms。為了減小共振峰的影響，首先對語(yǔ)音進(jìn)行頻率范圍為[60,900]Hz的帶通濾波。因為最高基音頻率為450Hz，所以將上限頻率設為900Hz可以保留語(yǔ)音的一、二次諧波，下降頻率為60Hz是為了濾除50Hz的電源干擾。

以上幾種方法都是對語(yǔ)音信號本身求相應的函數。本系統采用的基音估計方法是：首先對帶通濾波后的短時(shí)語(yǔ)音信號進(jìn)行線(xiàn)性預測，求取預測殘差；再對殘差信號求自相關(guān)函數，找出第一最大峰值點(diǎn)的位置，即得到該段語(yǔ)音的基音估計值。實(shí)驗表明，通過(guò)殘差求取的基音軌跡比直接通過(guò)語(yǔ)音求取的基音軌跡效果更好，如圖2所示。圖2中橫坐標為語(yǔ)音幀數，縱坐標為8000/f，其中f為基音頻率。

5，模式匹配

目前針對各種特征參數提出的模式匹配方法的研究越來(lái)越深入。典型的方法有：矢量量化方法、高斯混合模型方法、隱馬爾可夫模型方法、動(dòng)態(tài)時(shí)間規整（DTW）方法和人工神經(jīng)網(wǎng)絡(luò )方法。

這些方法都有各自的優(yōu)點(diǎn)和缺點(diǎn)。其中DTW算法對于較長(cháng)音樂(lè )的識別，模板匹配運算量太大，但對短音樂(lè )（有效音樂(lè )長(cháng)度低于3s）的識別既簡(jiǎn)單又有效，而且并不比其他方法識別率低，特別適用于短語(yǔ)音、與文本有關(guān)的音樂(lè )識別系統。本系統采用端點(diǎn)松馳兩點(diǎn)的（DTW）算法，端點(diǎn)松馳引起的計算量增加并不大，還可以放松對端點(diǎn)檢測的精度要求。

動(dòng)態(tài)時(shí)間規整（DTW）算法基于動(dòng)態(tài)規劃的思想，解決了音樂(lè )不同時(shí)期音質(zhì)長(cháng)短、音速不一樣的匹配問(wèn)題。DTW算法用于計算兩個(gè)長(cháng)度不同的模板之間的相似程度，用失真距離表示。假設測試模板和參考模板分別用T和R表示，按時(shí)間順序含有N幀和M幀的語(yǔ)音參數（本系統為12維LPCC參數），失真距離越小，表示T、R越接近。把測試模板的各個(gè)幀號n=1～N在一個(gè)二維直角坐標系中的橫軸上標出，把參考模板的各幀號m=1～M在縱軸上標出，如圖3所示。通過(guò)這些表示幀號的整數坐標畫(huà)出縱橫線(xiàn)即形成網(wǎng)絡(luò )，網(wǎng)格中的每一個(gè)交叉點(diǎn)（n,m）表示測試模板中某一幀與參考模式中某一幀的交會(huì )點(diǎn)，對應兩個(gè)向量的歐氏距離。DTW算法可以歸結為尋找一條通過(guò)此網(wǎng)格中若干交叉點(diǎn)的路徑，使得該路徑上節點(diǎn)的距離和（即失真距離）為最小。對于端點(diǎn)松弛的情況，路徑搜索原理相同，只是增加了搜索路徑。

（二） 硬件系統

音紋電子門(mén)鎖系統的核心是音樂(lè )識別模塊。包括按鍵輸入、音樂(lè )信號采集、音樂(lè )信號處理、FLASH存儲擴展、揚聲器輸出、控制輸出以及LCD模組等。音樂(lè )識別模型的原理框圖如圖4所示。其核心為音樂(lè )信號處理。

音樂(lè )識別模塊各組成部分完成的功能如下：

（1）按鍵輸入部分：共有數字鍵、訓練鍵、刪除鍵、確認鍵和取消鍵等按鍵，用于密碼輸入時(shí)的各項操作。其中訓練鍵為隱藏部分，在外部無(wú)法直接看到。采用不同的按鍵輸入，按鍵順序隨時(shí)改變，因此，從某種意義上來(lái)講又成為了一種密碼。

（2）語(yǔ)音信號采集部分：特定語(yǔ)音芯片

（3）FLASH存儲擴展部分：用于存儲音樂(lè )的個(gè)性特征參數參考模板。

（4）揚聲器輸出部分：揚聲器

（5）控制輸出部分：用單片機I/O口控制門(mén)鎖控制電機。

（6）LCD模組部分：用以顯示系統的工作狀態(tài)，以及操作提示。

（三）工作模式

音樂(lè )識別模塊有三種工作模式：訓練模式、認證模式，這兩種模式都可通過(guò)工作模式按鍵選擇。

（1）訓練模式，音樂(lè )的聲音通過(guò)音頻線(xiàn)進(jìn)入語(yǔ)音信號采集前端電路。第一次語(yǔ)音輸入時(shí)，由單片機對采集的語(yǔ)音信號進(jìn)行處理，提取音樂(lè )的個(gè)性特征參數，并存儲到外擴的FLASH內，形成音樂(lè )特征參數模板。每個(gè)密碼可以進(jìn)行三次訓練，第二語(yǔ)音輸入時(shí)，提取的個(gè)數特征參數與由第一次語(yǔ)音輸入形成的特征參數模板進(jìn)行匹配，在匹配距離小于模板更新閾值時(shí)，將音樂(lè )特征參數模板更新為兩次特征參數的平均值。第三次語(yǔ)音輸入時(shí)，提取的個(gè)性特征參數與由第一、二次語(yǔ)音輸入形成的特征參數模板進(jìn)行匹配，在匹配距離小于模板更新閾值時(shí)，將音樂(lè )特征參數模板更新為三次特征參數的平均值，形成最后的該音樂(lè )的特征參數模板。訓練模式只有識別程序的擁有者可見(jiàn)。

（2）認證模式，同樣通過(guò)音頻線(xiàn)錄入音樂(lè )的聲音，再由單片機對采集的語(yǔ)音信號進(jìn)行處理，將提取的音樂(lè )特征參數與存儲在外擴FLASH內的特征參數模板進(jìn)行匹配，匹配距離小于認證閾值時(shí)，通過(guò)認證；然后再判斷匹配距離是否小于認證模式下的模板更新閾值，決定是否對模板進(jìn)行更新。

另外，由于單片機的可重復編程功能，如果有必要，此音紋識別系統可以再加入密碼輸入等安全認證措施。但考慮到本音紋識別本身具有較高的安全性，加入密碼輸入沒(méi)有太大的意義，在這里我們并沒(méi)有加入此功能。

（四）總結

音紋識別不僅使用方便，安全，而且還具有以下特性：用戶(hù)接受程度高，由于不涉及隱私問(wèn)題，用戶(hù)無(wú)任何心理障礙；聲音輸入設備造價(jià)低廉，而其他生特識別技術(shù)的輸入設備通常造價(jià)昂貴。與聲紋識別，利用虹膜、指紋和人臉等技術(shù)的門(mén)鎖相比，基于單片機構建的語(yǔ)音電子門(mén)鎖系統具有成本低、使用方便、保密性好等優(yōu)點(diǎn)。經(jīng)大量實(shí)驗測試表明，該系統性能穩定、識別效果好。下一步將進(jìn)行更多功能的，以及算法的完善。為此技術(shù)尋找除了鎖之外的其它更廣泛的用途。