基于聲紋識別技術的簡易門禁系統

王志琪，朱婧雯，王振帥，盧新祥

（紹興文理學院數理信息學院，浙江紹興，312000）

關鍵字：STM32；門禁系統；聲紋識別；梅爾倒譜系數特征；高斯混合模型；訊飛開放平臺

0 引言

在使用傳統鎖具前，人們需要進行學習及數次模擬如何使用鑰匙開鎖，并將時刻保持鑰匙不離身的長期行為習慣。基于信息技術的智能門禁則將人們從繁瑣中解放出來，這些技術包括人臉識別、指紋識別、聲紋識別、數字密碼等，它們各具優勢。應用聲紋鎖，我們只要像往常一樣說話、給機器下達指令，系統就會自動識別用戶身份，使用非常方便。更重要的是，在新冠疫情大流行的背景下，采用聲紋識別的方式無需使用者摘下口罩、接觸指紋識別模塊等，完全可以在無接觸的情況下提供身份驗證服務，為人們提供更安全高效的門禁服務。

現在成熟的聲紋識別技術大多基于聯合因子分析、卷積神經網絡等需要大量計算、數據的識別方法。本文設計一種利用高斯混合模型的聲紋識別系統并用于鎖具，基于STM32平臺，具有計算量小、無接觸等特點。

1 系統構成

如圖1所示，本系統主要分為系統控制模塊、嵌入式聲紋處理模塊、鎖體模塊三個主要部分，以及兩個擴展模塊（虛線框）：手機APP模塊和藍牙傳輸模塊。系統具有直接驗證和使用APP驗證兩種工作模式。在直接驗證模式，用戶僅需在初始化的聲紋錄入階段使用系統控制模塊中的屏幕、麥克風進行錄入，而在驗證時，只要靠近說話，當累積能量大于閾值時即可觸發聲紋驗證并執行開鎖。在APP驗證模式中，預先綁定的手機端APP進行交互和驗證，驗證通過后，通過藍牙向系統控制模塊發送驗證成功消息，在系統控制模塊接收到驗證成功的消息后驅動舵機開鎖。

圖1 系統框圖

圖2為系統實物圖，其中“1”是系統控制模塊，“2”是開鎖舵機，“3”是藍牙傳輸模塊，“4”是手機APP模塊。

圖2 系統實物圖

2 系統設計

2.1 系統控制模塊

系統控制模塊位于鎖的外殼中，具有屏幕和按鍵與用戶進行交互。模塊選取高速、低功耗的STM32F429作為核心芯片，其主頻可達180 MHz，且具備一套完整的DSP指令集，有豐富的資源和可觀的處理速度來實現對聲音信號的保存、處理和建模。系統控制模塊的流程如圖3所示。

圖3 系統控制模塊流程圖

2.2 嵌入式聲紋處理模塊

（1）音頻信號預處理

考慮到主控芯片的處理效率、減少用戶等待時間等因素，在進行建模之前，先對收集到的音頻進行預處理：

①將環境聲音和人聲分離，通過計算累積能量區分環境聲和人聲，若累積能量大于閾值，則該段語言為有效訓練語音。累積能量公式如下：

②對于采集到的一整段不定長的音頻信號，為了從其中提取出固定長度的特征向量，需要將音頻信號進行分幀，每25ms為一幀，每兩幀的開始時間間隔10ms。如此經過分幀之后再提取特征，不僅能大幅減少需處理的數據量，還能很好地提取出聲紋特征。

③加窗以減小吉布斯現象和頻譜泄露的影響。分幀之后，若對信號直接進行傅里葉變換，由于不連續點的存在，會產生高頻分量，即吉布斯效應。因此需要將分幀之后的數據乘以漢明窗，將接近于零的權重賦予不連續點。加窗公式如下：

其中漢明窗為：

式中，0 ≤n≤N?1，N-1為總幀數。

（2）梅爾倒譜系數的提取

通過離散傅里葉變換將預處理后的信號v′(n)轉換成頻譜。鑒于人耳對低頻更加敏感的特性，還需將頻譜通過一組按照梅爾刻度。設計好的三角帶通濾波器組，再計算每幀語音的對數能量:

式中，MEL為梅爾濾波器組。再對此對數能量進行逆離散余弦變換得到倒譜，其系數數組就是一幀語音信號的MFCC參數：

式中D為每組MFCC參數數量（D=20）。

（3）訓練說話者高斯混合模型

利用上一步已經保留的說話者的所有MFCC參數，可訓練出包含說話者特征的GMM0。高斯混合模型主要公式為：

其中→為n維隨機矢量，→表示GMM所有參數的集合，ci為第i個高斯分量的權重且滿足為第i組高斯分量，是一個標準的多元正態分布。

由此，一個說話者的特征可由以下參數表示：

在明確了主要公式之后，采用期望值最大化算法。設定起始參數λ,迭代計算。由k-均值算法獲取，M是MFCC參數矢量維度（M=20）。

在第t步迭代中，假設當前參數是t-1，則在第i個高斯分量上的后驗概率為

（4）聲紋識別

由于高斯混合模型是一個概率模型，可以采用后驗概率作為相似匹配的分數，可以通過最大化似然函數判別得到最相似的說話人。最大化對數似然函數公式：

2.3 手機APP模塊

此模塊為擴展模塊，用于安全性要求高、無接觸的身份驗證。用戶可以注冊賬戶登錄手機APP，能夠在手機中進行聲紋錄入和識別驗證兩種操作，具體流程如下：

當用戶選擇聲紋錄入時，手機上會顯示5段由8位數字組成的文本，用戶讀完這些文本，聲紋便建模成功。對于APP上的聲紋建模和識別，在訊飛開放平臺共享的庫中包含安卓平臺的聲紋識別接口，將用戶名和操作指令傳入接口即可對聲紋進行建模或驗證。

當需要聲紋驗證時，APP會隨機生成8位數字，在用戶朗讀8位數字時進行錄音建模，再將識別結果通過藍牙模塊發送給藍牙傳輸模塊，即可實現開門操作。整體流程見圖4。

圖4 擴展模塊流程圖

2.4 藍牙傳輸模塊

此模塊為擴展模塊。主控芯片通過HC-05藍牙模塊與手機APP實現通信，HC-05具有兩種工作模式：命令響應工作模式和自動連接工作模式，滿足STM32和安卓手機通信的需求。在登錄APP時，手機會向系統控制模塊自動發送配對信號，系統控制模塊收到此配對信號后，向手機返回驗證，形成連接。

2.5 門鎖模塊

門鎖模塊外部結構與傳統的鎖體相同，可以直接裝入傳統的門中。模塊主要包含舵機及其驅動、傳動部件、鎖舌等。模塊內部示意圖如圖5所示。

圖5 門鎖模塊示意圖

舵機的驅動信號由控制模塊提供，通過將舵機和傳動部件相連即可驅動鎖舌進行開關門動作。由于鎖體的空間狹小且鎖舌與外部結構往往存在不小的摩擦，門鎖模塊采用MG-995舵機來轉動傳動部件，MG-995扭矩可達13kg/cm，其扭矩可以輕松轉動傳動部件，且具有一定的冗余量。其次，它具有180°轉動角度，可以實現關門、反鎖等動作，滿足門鎖需求。

3 總結

本文研究了基于Cortex-M4和安卓平臺的聲紋識別技術的門禁系統，將效率高、計算量小的聲紋識別模塊移植入STM32中，同時在APP中使用訊飛開放平臺的接口，有很好的識別精度和較高的安全性，再通過藍牙將安卓與主控模塊相連，從而實現無接觸式的門禁系統。