數字語音處理課程的研究性實驗教學設計
——以聲紋識別系統為例

周籮魚， 蔡昌新， 孫祥娥

（長江大學a.電子信息學院；b.電工電子國家級實驗教學示范中心，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，其基礎都是“數字化”。數字語音處理課程是數字化系列中的一門重要課程。該課程是在多門學科基礎上發展起來的綜合性的學科高度交叉融合的課程，其目的是讓學生在掌握語音處理的基礎、原理、方法和應用的同時，了解該學科領域近年來取得的一些新成果、新進展、新技術，并訓練學生針對語音技術的工程問題，提出相應的解決方案［1-2］。

然而，數字語音處理課程的實驗多以驗證性實驗內容為主，無法體現工程中實際問題的解決［3-5］。這樣一方面造成學生對實驗項目的興趣不高；另一方面學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。

研究性實驗教學能夠激發學生的自主學習意愿、培養學生的創新思維能力［6］。在此過程中，可以鞏固學生對基礎知識的掌握程度，而且可以提高其實踐能力［7］。此外，研究性實驗教學，它能夠為教學與科研架起橋梁，方便科研內容轉化為教學案例。

基于此，我校課程組以提高學生解決實際工程問題為目標，針對數字語音處理課程，設計了基于項目式的研究性實驗教學，以數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計，并給出了詳細方案。該案例已在我校電信學院相關專業中實施，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。本文所設計的研究性實驗案例取自于企業項目。項目中需要利用數字語音中的理論知識探索聲紋的特性，并開發聲紋識別系統，以此達到聽音識人的目的。因此，以該項目提煉相關元素，精簡項目內容，簡化開發過程，由此實現完整的實驗案例。而與項目相關的課程內容主要有兩個方面：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音器官在大腦控制下的生理運動產生的。發音器官包括肺、氣管、喉（包括聲帶）、咽、鼻和口，其中聲帶是對發音影響很大。聲帶振動的頻率即基音頻率決定了聲音頻率的高低，頻率快則音調高，頻率慢則音調低。其基音頻率主要與聲帶（發聲體）的長短、松緊、厚薄有關，而聲帶因人而異，不同人聲帶的具有不同的特點，因此基音頻率經常作為說話人識別的特征之一［8］。

數字語音處理領域中，梅爾頻率倒譜是基于聲音頻率的非線性梅爾刻度對數能量頻譜的線性變換。因此，梅爾頻率倒譜系數就是組成梅爾頻率倒譜的系數。它衍生自語音片段的倒譜。倒譜和梅爾頻率倒譜的主要區別在于，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倒頻譜中的線性間隔的頻帶更近似人類的聽覺系統［9］。因此，使用梅爾倒譜系數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。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的生力軍，輔助甚至替代傳統的數字符號密碼，在安防和個人信息加密的領域發揮重要的作用。因此通過聲紋識別系統的開發，能大大地激發學生的興趣，提升學習的效果。

2 實驗設計

為提高學生解決實際工程問題的能力，研究性實驗案例的設計既要具備基礎性和層次性，又要具備高階性和創新性。為了達到基礎性和層次性的要求，實驗內容將從數字語音課程的基本知識點出發，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習模型，既注重基礎，又逐步加大實驗的難度。同時，為了達到高階性和創新性的要求，將從基音頻率和梅爾頻率倒譜的統計分析，模板搜索算法的優化，特征提取網絡的選擇等方面對學生進行引導。學生將以小組的形式（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進行改進。

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

2.1 特征分析——從基音頻率到梅爾頻率倒譜

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

要求每個學生錄制自己的聲音，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 梅爾倒譜系數提取過程

（2）高階實驗內容。綜合所有學生的音頻文件，構建音頻數據集，引導學生通過機器學習等方法，分析男女各自基音頻率和梅爾頻率倒譜的特征，據此構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習

（1）基礎實驗內容。以基音頻率和梅爾頻率倒譜作為特征，按照教材內容，構建基于模板匹配的聲紋識別系統。如圖3 所示，其過程首先將待識別的語音進行預處理，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）高階實驗內容。引導學生查閱深度學習相關資料，構建基于深度學習的聲紋識別系統。如圖4 所示，其過程首先將待識別的語音進行預處理，獲取梅爾頻率倒譜圖，然后將其輸入已訓練好的深度學習網絡，進行識別決策。

圖3 基于模板匹配的聲紋識別系統

該部分重在提高學生自主學習的能力，引導其創新性。如對于特征提取網絡的選擇，深度學習特征提取網絡主要有AlexNet、VGGNet、ResNet 等網絡［14-16］，

這些網絡具有不同的性能，并且每種網絡又包含不同的網絡結構，比如VGGNet 中比較經典的網絡就有VGG16 和VGG19。引導學生分析不同網絡的性能并通過數據集驗證其效果，以此使學生理解特征提取網絡對于聲紋識別的影響。此外，還可以引導學生對神經元結構，激活函數，損失函數等進行修改，嘗試模型的優化，提高識別效果。

圖4 基于深度學習的聲紋識別系統

3 實施過程與評價

實驗過程分為以5 個部分：

（1）任務發布。由教師發布實驗任務并講解任務的具體要求。

（2）小組協作。學生自由分組，通過搜集資料，提出問題，探討方案，解決問題等方式，實現系統的開發。

（3）現場引導。幫助學生解決實驗中的難題，同時引導學生進行創新。

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

（5）PPT答辯。每一小組進行答辯，主要闡述系統的原理，解決方案和創新點，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 評價內容

4 結 語

本文以聲紋系統的開發為例，探索了數字語音處理課程中的研究性實驗教學案例設計，實驗內容重在保證實驗教學的基礎性和層次性，又能具備一定的高階性和創新性。案例的實施有助于提高學生的學習興趣，培養其探索精神，引導其創新意識，提升其解決實際工程問題的能力。