數(shù)字語音處理課程的研究性實驗教學(xué)設(shè)計
——以聲紋識別系統(tǒng)為例

周籮魚， 蔡昌新， 孫祥娥

（長江大學(xué)a.電子信息學(xué)院；b.電工電子國家級實驗教學(xué)示范中心，湖北 荊州 434023）

0 引 言

當前正處于信息化和智能化的時代，無論是信息化還是智能化，其基礎(chǔ)都是“數(shù)字化”。數(shù)字語音處理課程是數(shù)字化系列中的一門重要課程。該課程是在多門學(xué)科基礎(chǔ)上發(fā)展起來的綜合性的學(xué)科高度交叉融合的課程，其目的是讓學(xué)生在掌握語音處理的基礎(chǔ)、原理、方法和應(yīng)用的同時，了解該學(xué)科領(lǐng)域近年來取得的一些新成果、新進展、新技術(shù)，并訓(xùn)練學(xué)生針對語音技術(shù)的工程問題，提出相應(yīng)的解決方案［1-2］。

然而，數(shù)字語音處理課程的實驗多以驗證性實驗內(nèi)容為主，無法體現(xiàn)工程中實際問題的解決［3-5］。這樣一方面造成學(xué)生對實驗項目的興趣不高；另一方面學(xué)生的實踐能力得不到真正鍛煉，其解決工程問題的能力沒有得到提高。

研究性實驗教學(xué)能夠激發(fā)學(xué)生的自主學(xué)習(xí)意愿、培養(yǎng)學(xué)生的創(chuàng)新思維能力［6］。在此過程中，可以鞏固學(xué)生對基礎(chǔ)知識的掌握程度，而且可以提高其實踐能力［7］。此外，研究性實驗教學(xué)，它能夠為教學(xué)與科研架起橋梁，方便科研內(nèi)容轉(zhuǎn)化為教學(xué)案例。

基于此，我校課程組以提高學(xué)生解決實際工程問題為目標，針對數(shù)字語音處理課程，設(shè)計了基于項目式的研究性實驗教學(xué)，以數(shù)字語音處理中的一個重要知識點——聲紋識別來展開研究性的實驗案例設(shè)計，并給出了詳細方案。該案例已在我校電信學(xué)院相關(guān)專業(yè)中實施，取得了較好的效果。

1 實驗背景

研究性實驗可以取自在研的科研項目，也可以取自前沿的技術(shù)。本文所設(shè)計的研究性實驗案例取自于企業(yè)項目。項目中需要利用數(shù)字語音中的理論知識探索聲紋的特性，并開發(fā)聲紋識別系統(tǒng)，以此達到聽音識人的目的。因此，以該項目提煉相關(guān)元素，精簡項目內(nèi)容，簡化開發(fā)過程，由此實現(xiàn)完整的實驗案例。而與項目相關(guān)的課程內(nèi)容主要有兩個方面：聲紋特征分析和聲紋特征識別。

1.1 聲紋特征分析

人類的語音是由人體發(fā)音器官在大腦控制下的生理運動產(chǎn)生的。發(fā)音器官包括肺、氣管、喉（包括聲帶）、咽、鼻和口，其中聲帶是對發(fā)音影響很大。聲帶振動的頻率即基音頻率決定了聲音頻率的高低，頻率快則音調(diào)高，頻率慢則音調(diào)低。其基音頻率主要與聲帶（發(fā)聲體）的長短、松緊、厚薄有關(guān)，而聲帶因人而異，不同人聲帶的具有不同的特點，因此基音頻率經(jīng)常作為說話人識別的特征之一［8］。

數(shù)字語音處理領(lǐng)域中，梅爾頻率倒譜是基于聲音頻率的非線性梅爾刻度對數(shù)能量頻譜的線性變換。因此，梅爾頻率倒譜系數(shù)就是組成梅爾頻率倒譜的系數(shù)。它衍生自語音片段的倒譜。倒譜和梅爾頻率倒譜的主要區(qū)別在于，梅爾頻率倒譜的頻帶劃分是在梅爾刻度上等距劃分的，它比用于正常的對數(shù)倒頻譜中的線性間隔的頻帶更近似人類的聽覺系統(tǒng)［9］。因此，使用梅爾倒譜系數(shù)來作為說話人識別的特征，更有利于提高識別效果。

基于以上分析，案例將從基音頻率和梅爾頻率倒譜兩個特征進行設(shè)計。

1.2 聲紋特征識別

聲紋識別是一種通過聲音判別說話人身份的技術(shù)。從直覺上來說，聲紋雖然不像人臉、指紋的個體差異那樣直觀可見，但由于每個人的聲道、口腔和鼻腔也具有個體的差異性，因此反映到聲音上也具有差異性。如果將口腔看作聲音的發(fā)射器，那作為接收器的人耳生來也具備辨別聲音的能力［10-11］。

最直觀的是打電話給家里的時候，通過一聲“喂”就能準確地分辨出接電話的是爸媽或是兄弟姐妹，這種語音中承載的說話人身份信息的唯一性使得聲紋也可以像人臉、指紋那樣作為生物信息識別技術(shù)的生力軍，輔助甚至替代傳統(tǒng)的數(shù)字符號密碼，在安防和個人信息加密的領(lǐng)域發(fā)揮重要的作用。因此通過聲紋識別系統(tǒng)的開發(fā)，能大大地激發(fā)學(xué)生的興趣，提升學(xué)習(xí)的效果。

2 實驗設(shè)計

為提高學(xué)生解決實際工程問題的能力，研究性實驗案例的設(shè)計既要具備基礎(chǔ)性和層次性，又要具備高階性和創(chuàng)新性。為了達到基礎(chǔ)性和層次性的要求，實驗內(nèi)容將從數(shù)字語音課程的基本知識點出發(fā)，從基音頻率到梅爾頻率倒譜的提取，從特征匹配模型到深度學(xué)習(xí)模型，既注重基礎(chǔ)，又逐步加大實驗的難度。同時，為了達到高階性和創(chuàng)新性的要求，將從基音頻率和梅爾頻率倒譜的統(tǒng)計分析，模板搜索算法的優(yōu)化，特征提取網(wǎng)絡(luò)的選擇等方面對學(xué)生進行引導(dǎo)。學(xué)生將以小組的形式（2 或3 人為1 組）搜集資料，提出問題，探討方案，解決問題，從而對聲紋識別系統(tǒng)進行改進。

總之，所設(shè)計的研究性實驗案例的主要目的是讓學(xué)生更好地理解數(shù)字語音信號特征表達及識別的基本方法，同時結(jié)合工程實際問題，將數(shù)字語音課程的知識點串聯(lián)起來，培養(yǎng)學(xué)生理論聯(lián)系實際的素質(zhì)，提高學(xué)生的工程實踐能力和創(chuàng)新能力。

2.1 特征分析——從基音頻率到梅爾頻率倒譜

（1）基礎(chǔ)實驗內(nèi)容。通過掌握基音頻率和梅爾頻率倒譜提取的方法，熟練掌握數(shù)字語音的時域分析、倒譜分析等特征分析方法。

要求每個學(xué)生錄制自己的聲音，獲取各自的音頻文件。選擇合適的特征分析方法獲取自己的基音頻率和梅爾頻率倒譜。如圖1 所示，通過提取音頻信號中的濁音信號，由自相關(guān)分析、倒譜分析等方法可以獲取基音頻率。如圖2 所示，通過短時傅里葉變換，可以獲得音頻信號的語譜信息，再通過梅爾濾波，倒譜分析等步驟，獲得梅爾頻率倒譜。最后要求學(xué)生分析所提取的基音頻率和梅爾頻率倒譜，描述個人的聲音特性［12-13］。

圖1 音頻信號及對應(yīng)的濁音信號（濁音信號中可提取基音頻率）

圖2 梅爾倒譜系數(shù)提取過程

（2）高階實驗內(nèi)容。綜合所有學(xué)生的音頻文件，構(gòu)建音頻數(shù)據(jù)集，引導(dǎo)學(xué)生通過機器學(xué)習(xí)等方法，分析男女各自基音頻率和梅爾頻率倒譜的特征，據(jù)此構(gòu)建基于語音特征的性別判別模型。

2.2 聲紋識別——從模板匹配到深度學(xué)習(xí)

（1）基礎(chǔ)實驗內(nèi)容。以基音頻率和梅爾頻率倒譜作為特征，按照教材內(nèi)容，構(gòu)建基于模板匹配的聲紋識別系統(tǒng)。如圖3 所示，其過程首先將待識別的語音進行預(yù)處理，提取基音頻率和梅爾頻率倒譜，然后和模板庫中的模板進行比較匹配，作出判決［12-13］。

（2）高階實驗內(nèi)容。引導(dǎo)學(xué)生查閱深度學(xué)習(xí)相關(guān)資料，構(gòu)建基于深度學(xué)習(xí)的聲紋識別系統(tǒng)。如圖4 所示，其過程首先將待識別的語音進行預(yù)處理，獲取梅爾頻率倒譜圖，然后將其輸入已訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)，進行識別決策。

圖3 基于模板匹配的聲紋識別系統(tǒng)

該部分重在提高學(xué)生自主學(xué)習(xí)的能力，引導(dǎo)其創(chuàng)新性。如對于特征提取網(wǎng)絡(luò)的選擇，深度學(xué)習(xí)特征提取網(wǎng)絡(luò)主要有AlexNet、VGGNet、ResNet 等網(wǎng)絡(luò)［14-16］，

這些網(wǎng)絡(luò)具有不同的性能，并且每種網(wǎng)絡(luò)又包含不同的網(wǎng)絡(luò)結(jié)構(gòu)，比如VGGNet 中比較經(jīng)典的網(wǎng)絡(luò)就有VGG16 和VGG19。引導(dǎo)學(xué)生分析不同網(wǎng)絡(luò)的性能并通過數(shù)據(jù)集驗證其效果，以此使學(xué)生理解特征提取網(wǎng)絡(luò)對于聲紋識別的影響。此外，還可以引導(dǎo)學(xué)生對神經(jīng)元結(jié)構(gòu)，激活函數(shù)，損失函數(shù)等進行修改，嘗試模型的優(yōu)化，提高識別效果。

圖4 基于深度學(xué)習(xí)的聲紋識別系統(tǒng)

3 實施過程與評價

實驗過程分為以5 個部分：

（1）任務(wù)發(fā)布。由教師發(fā)布實驗任務(wù)并講解任務(wù)的具體要求。

（2）小組協(xié)作。學(xué)生自由分組，通過搜集資料，提出問題，探討方案，解決問題等方式，實現(xiàn)系統(tǒng)的開發(fā)。

（3）現(xiàn)場引導(dǎo)。幫助學(xué)生解決實驗中的難題，同時引導(dǎo)學(xué)生進行創(chuàng)新。

（4）系統(tǒng)驗收。每一小組現(xiàn)場演示所開發(fā)的系統(tǒng)的識別效果，老師對各項指標進行打分。

（5）PPT答辯。每一小組進行答辯，主要闡述系統(tǒng)的原理，解決方案和創(chuàng)新點，并且小組成員將逐一回答老師提出的問題。

整個評價將分為3 部分，如表1 所示。

表1 評價內(nèi)容

4 結(jié) 語

本文以聲紋系統(tǒng)的開發(fā)為例，探索了數(shù)字語音處理課程中的研究性實驗教學(xué)案例設(shè)計，實驗內(nèi)容重在保證實驗教學(xué)的基礎(chǔ)性和層次性，又能具備一定的高階性和創(chuàng)新性。案例的實施有助于提高學(xué)生的學(xué)習(xí)興趣，培養(yǎng)其探索精神，引導(dǎo)其創(chuàng)新意識，提升其解決實際工程問題的能力。