基于声纹识别技术的简易门禁系统

时间：2024-08-31

王志琪，朱婧雯，王振帅，卢新祥

（绍兴文理学院数理信息学院，浙江绍兴，312000）

关键字：STM32；门禁系统；声纹识别；梅尔倒谱系数特征；高斯混合模型；讯飞开放平台

0 引言

在使用传统锁具前，人们需要进行学习及数次模拟如何使用钥匙开锁，并将时刻保持钥匙不离身的长期行为习惯。基于信息技术的智能门禁则将人们从繁琐中解放出来，这些技术包括人脸识别、指纹识别、声纹识别、数字密码等，它们各具优势。应用声纹锁，我们只要像往常一样说话、给机器下达指令，系统就会自动识别用户身份，使用非常方便。更重要的是，在新冠疫情大流行的背景下，采用声纹识别的方式无需使用者摘下口罩、接触指纹识别模块等，完全可以在无接触的情况下提供身份验证服务，为人们提供更安全高效的门禁服务。

现在成熟的声纹识别技术大多基于联合因子分析、卷积神经网络等需要大量计算、数据的识别方法。本文设计一种利用高斯混合模型的声纹识别系统并用于锁具，基于STM32平台，具有计算量小、无接触等特点。

1 系统构成

如图1所示，本系统主要分为系统控制模块、嵌入式声纹处理模块、锁体模块三个主要部分，以及两个扩展模块（虚线框）：手机APP模块和蓝牙传输模块。系统具有直接验证和使用APP验证两种工作模式。在直接验证模式，用户仅需在初始化的声纹录入阶段使用系统控制模块中的屏幕、麦克风进行录入，而在验证时，只要靠近说话，当累积能量大于阈值时即可触发声纹验证并执行开锁。在APP验证模式中，预先绑定的手机端APP进行交互和验证，验证通过后，通过蓝牙向系统控制模块发送验证成功消息，在系统控制模块接收到验证成功的消息后驱动舵机开锁。

图1 系统框图

图2为系统实物图，其中“1”是系统控制模块，“2”是开锁舵机，“3”是蓝牙传输模块，“4”是手机APP模块。

图2 系统实物图

2 系统设计

2.1 系统控制模块

系统控制模块位于锁的外壳中，具有屏幕和按键与用户进行交互。模块选取高速、低功耗的STM32F429作为核心芯片，其主频可达180 MHz，且具备一套完整的DSP指令集，有丰富的资源和可观的处理速度来实现对声音信号的保存、处理和建模。系统控制模块的流程如图3所示。

图3 系统控制模块流程图

2.2 嵌入式声纹处理模块

（1）音频信号预处理

考虑到主控芯片的处理效率、减少用户等待时间等因素，在进行建模之前，先对收集到的音频进行预处理：

①将环境声音和人声分离，通过计算累积能量区分环境声和人声，若累积能量大于阈值，则该段语言为有效训练语音。累积能量公式如下：

②对于采集到的一整段不定长的音频信号，为了从其中提取出固定长度的特征向量，需要将音频信号进行分帧，每25ms为一帧，每两帧的开始时间间隔10ms。如此经过分帧之后再提取特征，不仅能大幅减少需处理的数据量，还能很好地提取出声纹特征。

③加窗以减小吉布斯现象和频谱泄露的影响。分帧之后，若对信号直接进行傅里叶变换，由于不连续点的存在，会产生高频分量，即吉布斯效应。因此需要将分帧之后的数据乘以汉明窗，将接近于零的权重赋予不连续点。加窗公式如下：

其中汉明窗为：

式中，0 ≤n≤N−1，N-1为总帧数。

（2）梅尔倒谱系数的提取

通过离散傅里叶变换将预处理后的信号v′(n)转换成频谱。鉴于人耳对低频更加敏感的特性，还需将频谱通过一组按照梅尔刻度。设计好的三角带通滤波器组，再计算每帧语音的对数能量:

式中，MEL为梅尔滤波器组。再对此对数能量进行逆离散余弦变换得到倒谱，其系数数组就是一帧语音信号的MFCC参数：

式中D为每组MFCC参数数量（D=20）。

（3）训练说话者高斯混合模型

利用上一步已经保留的说话者的所有MFCC参数，可训练出包含说话者特征的GMM0。高斯混合模型主要公式为：

其中→为n维随机矢量，→表示GMM所有参数的集合，ci为第i个高斯分量的权重且满足为第i组高斯分量，是一个标准的多元正态分布。

由此，一个说话者的特征可由以下参数表示：

在明确了主要公式之后，采用期望值最大化算法。设定起始参数λ,迭代计算。由k-均值算法获取，M是MFCC参数矢量维度（M=20）。

在第t步迭代中，假设当前参数是t-1，则在第i个高斯分量上的后验概率为

（4）声纹识别

由于高斯混合模型是一个概率模型，可以采用后验概率作为相似匹配的分数，可以通过最大化似然函数判别得到最相似的说话人。最大化对数似然函数公式：

2.3 手机APP模块

此模块为扩展模块，用于安全性要求高、无接触的身份验证。用户可以注册账户登录手机APP，能够在手机中进行声纹录入和识别验证两种操作，具体流程如下：

当用户选择声纹录入时，手机上会显示5段由8位数字组成的文本，用户读完这些文本，声纹便建模成功。对于APP上的声纹建模和识别，在讯飞开放平台共享的库中包含安卓平台的声纹识别接口，将用户名和操作指令传入接口即可对声纹进行建模或验证。

当需要声纹验证时，APP会随机生成8位数字，在用户朗读8位数字时进行录音建模，再将识别结果通过蓝牙模块发送给蓝牙传输模块，即可实现开门操作。整体流程见图4。

图4 扩展模块流程图

2.4 蓝牙传输模块

此模块为扩展模块。主控芯片通过HC-05蓝牙模块与手机APP实现通信，HC-05具有两种工作模式：命令响应工作模式和自动连接工作模式，满足STM32和安卓手机通信的需求。在登录APP时，手机会向系统控制模块自动发送配对信号，系统控制模块收到此配对信号后，向手机返回验证，形成连接。

2.5 门锁模块

门锁模块外部结构与传统的锁体相同，可以直接装入传统的门中。模块主要包含舵机及其驱动、传动部件、锁舌等。模块内部示意图如图5所示。

图5 门锁模块示意图

舵机的驱动信号由控制模块提供，通过将舵机和传动部件相连即可驱动锁舌进行开关门动作。由于锁体的空间狭小且锁舌与外部结构往往存在不小的摩擦，门锁模块采用MG-995舵机来转动传动部件，MG-995扭矩可达13kg/cm，其扭矩可以轻松转动传动部件，且具有一定的冗余量。其次，它具有180°转动角度，可以实现关门、反锁等动作，满足门锁需求。