張翠玲 丁 盼

（1 西南政法大學(xué)刑事偵查學(xué)院 重慶 401120；2 重慶高校刑事科學(xué)技術(shù)重點(diǎn)實(shí)驗(yàn)室 重慶 401120）

1 引言

近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展，法庭對(duì)科學(xué)證據(jù)的準(zhǔn)確性、可靠性的要求不斷提高，法庭證據(jù)評(píng)估方法體系也在不斷發(fā)展完善，基于似然比框架的參數(shù)性能測(cè)試和證據(jù)價(jià)值評(píng)估逐漸得到認(rèn)可和重視[1-3]。在司法語(yǔ)音領(lǐng)域，基于似然比方法的法庭說(shuō)話(huà)人識(shí)別不僅更符合法庭邏輯推理，而且可以量化評(píng)估證據(jù)價(jià)值、量化評(píng)估方法系統(tǒng)的準(zhǔn)確性和可靠性，加之程序更加客觀(guān)、透明，因此已經(jīng)成為當(dāng)前研究的熱點(diǎn)和未來(lái)的發(fā)展方向。

在法庭說(shuō)話(huà)人識(shí)別實(shí)踐中，不管是基于聽(tīng)覺(jué)——聲學(xué)語(yǔ)音學(xué)方法，還是基于半自動(dòng)和全自動(dòng)方法，都需要對(duì)提取的語(yǔ)音特征進(jìn)行量化分析和比較鑒別。特征的選取和特征價(jià)值的高低直接影響說(shuō)話(huà)人識(shí)別的效果，因此尋找個(gè)體區(qū)分效果較好的語(yǔ)音特征參數(shù)，比較評(píng)估參數(shù)特征的價(jià)值一直是法庭說(shuō)話(huà)人識(shí)別領(lǐng)域關(guān)注的重點(diǎn)問(wèn)題。基于聽(tīng)覺(jué)——聲學(xué)語(yǔ)音學(xué)方法的研究側(cè)重的參數(shù)特征往往是元音和濁輔音的共振峰頻率，基于半自動(dòng)和全自動(dòng)方法的研究側(cè)重參數(shù)特征一般是梅爾頻率倒譜系數(shù)（MFCC）[4-5]。對(duì)于線(xiàn)性預(yù)測(cè)倒譜特征（LPCC）則較少在法庭語(yǔ)音比對(duì)中應(yīng)用。

國(guó)內(nèi)外學(xué)者基于似然比方法對(duì)語(yǔ)音的LPC倒譜特征進(jìn)行了初步研究。Rose基于297名男性的日語(yǔ)語(yǔ)音數(shù)據(jù)庫(kù)對(duì)5個(gè)元音的LPC倒譜特征進(jìn)行了研究，特征融合后取得了較好的效果[6]；王華朋基于45名男性漢語(yǔ)普通話(huà)語(yǔ)音數(shù)據(jù)庫(kù)，對(duì)單元音/a/的LPC倒譜特征進(jìn)行了測(cè)試，發(fā)現(xiàn)自動(dòng)提取特征比人工提取的共振峰特征更具優(yōu)勢(shì)[7]。對(duì)于濁輔音的研究，主要集中在鼻音上，因?yàn)楸且糇鳛橐环N聲源特征具有較好的個(gè)體特異性[8]。而Alex等對(duì)日語(yǔ)和粵語(yǔ)的研究表明，利用鼻音LPC特征進(jìn)行說(shuō)話(huà)人識(shí)別時(shí)，兩種語(yǔ)言間差異不大，而且鼻音并不比其他種類(lèi)音段具有明顯的優(yōu)勢(shì)[9]。相對(duì)而言，對(duì)于清輔音的LPC倒譜特征研究相對(duì)較少。Rose對(duì)舌面清擦音的研究表明，清輔音的LPC倒譜具有潛在的話(huà)者區(qū)分價(jià)值[10]。

相較于元音和濁輔音，清輔音的時(shí)長(zhǎng)較短，聲學(xué)特征也略為復(fù)雜，不易提取。為了探究漢語(yǔ)清輔音的個(gè)體特性及其應(yīng)用價(jià)值，本文以時(shí)長(zhǎng)相對(duì)較長(zhǎng)的擦音/s/為代表，分析提取其LPC倒譜特征，并采用似然比框架量化評(píng)價(jià)其在法庭說(shuō)話(huà)人識(shí)別中的作用和表現(xiàn)。

2 似然比框架

似然比框架是一種基于貝葉斯統(tǒng)計(jì)推理的量化評(píng)估證據(jù)強(qiáng)度的邏輯體系[11]。似然比是兩種競(jìng)爭(zhēng)假設(shè)條件下觀(guān)察到的證據(jù)特征的概率之比。在法庭說(shuō)話(huà)人識(shí)別領(lǐng)域，似然比方法通常用于推測(cè)未知語(yǔ)音檢材與已知語(yǔ)音樣本的同源性，通過(guò)計(jì)算檢材語(yǔ)音與樣本語(yǔ)音同源假設(shè)條件下觀(guān)察到的檢材語(yǔ)音聲學(xué)特征，與檢材語(yǔ)音和樣本語(yǔ)音同源假設(shè)條件下觀(guān)察到的檢材語(yǔ)音聲學(xué)特征的概率比值，來(lái)量化評(píng)估證據(jù)對(duì)兩種假設(shè)的支持力度。似然比LR的表達(dá)式為：

式中，HSS代表同源假設(shè)，即假設(shè)檢材與樣本同源；HDS代表不同源假設(shè)，即檢材與樣本不同源；P代表概率，E代表證據(jù)，即檢材的聲學(xué)特征。LR值大于1，表明證據(jù)支持同源假設(shè)；LR值小于1，表明證據(jù)支持非同源假設(shè)；LR的值與1的相對(duì)距離越遠(yuǎn)，證據(jù)的強(qiáng)度就越大，證據(jù)所包含的信息就越有效[12]。

3 材料和方法

3.1 語(yǔ)音數(shù)據(jù)

本文使用的是來(lái)自90位成年男性電話(huà)語(yǔ)音數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)包含兩次非同期錄音，第一次與第二次的錄音時(shí)間相隔在兩周以上。錄音時(shí)，兩位發(fā)音人分別位于不同的錄音室，各自佩戴一領(lǐng)夾式麥克（森海塞爾Sennheiser MKE 2 P-C），然后通過(guò)固定電話(huà)進(jìn)行通話(huà)。兩個(gè)麥克分別與外置聲卡（Roland UA-25EX）和計(jì)算機(jī)相連，通過(guò)軟件Cooledit Pro 2.1錄音。錄音被儲(chǔ)存為16位的PCM格式，采樣頻率為44.1kHz。發(fā)音人為東北地區(qū)大學(xué)生，年齡在18～23歲之間，普通話(huà)較好。兩次錄音均為漢語(yǔ)普通話(huà)，交流內(nèi)容是核對(duì)產(chǎn)品報(bào)價(jià)單的信息。兩份傳真件內(nèi)容相同，只是部分內(nèi)容模糊，兩位發(fā)音人的任務(wù)就是通過(guò)電話(huà)交流對(duì)產(chǎn)品報(bào)價(jià)單的模糊部分進(jìn)行信息核對(duì)。關(guān)于數(shù)據(jù)庫(kù)采集的細(xì)節(jié)，參見(jiàn)文獻(xiàn)[13]。

3.2 語(yǔ)音標(biāo)注

數(shù)據(jù)庫(kù)共包含90人的180段錄音，第一次和錄音中每個(gè)人的純語(yǔ)音長(zhǎng)度平均約為230s，第二次錄音中每個(gè)人的純語(yǔ)音長(zhǎng)度平均約為150s。使用軟件Praat語(yǔ)音軟件（version 6.0.18）對(duì)每段錄音中的擦音/s/進(jìn)行人工手動(dòng)標(biāo)注。圖1為0～8kHz頻帶范圍內(nèi)擦音/s/的寬帶語(yǔ)音圖譜。

圖1 普通話(huà)發(fā)音/si/的寬帶語(yǔ)音圖譜

標(biāo)注的/s/大多來(lái)自“si”“san”“se”“su”等音節(jié)。作為舌尖前音，/s/在發(fā)音時(shí)極易受到后面音節(jié)的影響，因此我們僅選擇其穩(wěn)定段進(jìn)行標(biāo)注。180段語(yǔ)音中共標(biāo)注出3975個(gè)/s/音段，其中第一次發(fā)音標(biāo)注語(yǔ)音段2160個(gè)，每人平均24個(gè)；第二次發(fā)音標(biāo)注語(yǔ)音段1815個(gè)，每人平均20個(gè)。

3.3 LPC倒譜特征提取

將標(biāo)注的全部擦音/s/進(jìn)行切分后，提取其LPC倒譜特征。線(xiàn)性預(yù)測(cè)的思想是語(yǔ)音中的每個(gè)采樣值可以通過(guò)幾個(gè)過(guò)去時(shí)間采樣值的線(xiàn)性組合來(lái)逼近。因此，通過(guò)利用語(yǔ)音信號(hào)中相鄰的采樣值之間存在相關(guān)性的特點(diǎn)，使實(shí)際語(yǔ)音抽樣與線(xiàn)性預(yù)測(cè)抽樣值之間的誤差在某個(gè)準(zhǔn)則下達(dá)到最小值，可以得到反映語(yǔ)音信號(hào)特征的預(yù)測(cè)系數(shù)[14]。線(xiàn)性預(yù)測(cè)的計(jì)算公式如下：

式中，p是預(yù)測(cè)器的階數(shù)，u（n）是激勵(lì)序列，G是u（n）的增益。線(xiàn)性預(yù)測(cè)分析用來(lái)確定預(yù)測(cè)系數(shù){a(k)|k=1,…,p}，經(jīng)過(guò)自相關(guān)及LPC分析后，使用Levinson-Durbin遞推算法解出LPC系數(shù)。一般來(lái)講，使用8～12階的LPC預(yù)測(cè)器就能較好地捕捉語(yǔ)音特征，參考Rose案件報(bào)告中的參數(shù)選擇[15]，本實(shí)驗(yàn)中我們選取的是8階。

LPC倒譜特征是線(xiàn)性預(yù)測(cè)系數(shù)在倒譜域的表示，在線(xiàn)性預(yù)測(cè)系數(shù)基礎(chǔ)上求倒譜，就得到LPC倒譜系數(shù)。它能較徹底地去除語(yǔ)音信號(hào)產(chǎn)生過(guò)程的激勵(lì)信息，并反映聲道的模型特征，只需十幾個(gè)倒譜系數(shù)就可以較好地描述語(yǔ)音的共振峰特性[16]。此外，LPC倒譜特征的模型參數(shù)相對(duì)簡(jiǎn)單，計(jì)算量小，具有較好優(yōu)勢(shì)。

3.4 似然比計(jì)算及系統(tǒng)評(píng)價(jià)

首先將同一人前后兩次錄音中擦音/s/的LPC倒譜特征參數(shù)進(jìn)行比較，這樣就產(chǎn)生了90個(gè)同一話(huà)者自身的比較對(duì)。其次，就不同說(shuō)話(huà)人之間，將每一位說(shuō)話(huà)人的擦音/s/的LPC倒譜特征參數(shù)與其他所有人依次進(jìn)行兩兩比較，即全交叉驗(yàn)證比較，這樣就產(chǎn)生了90*（90-1）/2=4005個(gè)不同話(huà)者之間的比較對(duì)。

似然比計(jì)算采用的是多變量核密度似然比（MVLR）計(jì)算公式[17-18]。得到每次比較的LR值及其概率累計(jì)分布后，識(shí)別測(cè)試的結(jié)果通過(guò)Tippett圖（見(jiàn)圖2）、等誤率（EER）、對(duì)數(shù)似然比代價(jià)函數(shù)（Cllr）進(jìn)行評(píng)價(jià)。在Tippett圖中，橫軸是以10為底的對(duì)數(shù)似然比（log10LR），縱軸是同一話(huà)者和不同話(huà)者比較所占的比例，即概率累計(jì)分布。向右的曲線(xiàn)代表同一話(huà)者的比較，向左的曲線(xiàn)代表不同話(huà)者的比較。兩線(xiàn)交叉點(diǎn)對(duì)應(yīng)的概率代表等誤率。兩條曲線(xiàn)分得越開(kāi)，交叉點(diǎn)越低，識(shí)別的效果越好。

對(duì)數(shù)似然比代價(jià)函數(shù)Cllr（Log likelihood ratio cost）[19]作為準(zhǔn)確性評(píng)估參數(shù)，是進(jìn)行似然比框架下法庭說(shuō)話(huà)人識(shí)別的標(biāo)準(zhǔn)評(píng)價(jià)指標(biāo)。其表達(dá)式見(jiàn)公式（3）：

式中，Ns和Nd分別是同一話(huà)者和不同話(huà)者測(cè)試對(duì)的數(shù)量，LRs和LRd分別是同一話(huà)者和不同話(huà)者測(cè)試對(duì)比較的似然比。左側(cè)的值代表同一話(huà)者自身比較的識(shí)別性能，可用SS Cllr表示；右側(cè)的值代表不同話(huà)者之間的識(shí)別性能，可用DS Cllr表示。Cllr值是系統(tǒng)的整體表現(xiàn)。Cllr值小于1，說(shuō)明系統(tǒng)是有效的。Cllr值越小，系統(tǒng)的準(zhǔn)確性越好。

4 結(jié)果與討論

4.1 不同語(yǔ)音信號(hào)頻率范圍對(duì)系統(tǒng)識(shí)別性能的影響

為了研究不同語(yǔ)音信號(hào)頻率范圍對(duì)系統(tǒng)識(shí)別性能的影響，我們首先將全部90人的語(yǔ)音樣本的采樣率從44.1kHz分別降為8kHz和16kHz，分別提取0～4kHz、0～8kHz和2k～7kHz頻帶范圍內(nèi)的LPC倒譜特征進(jìn)行說(shuō)話(huà)人識(shí)別測(cè)試，結(jié)果見(jiàn)表1。

表1 3種頻帶范圍內(nèi)LPC倒譜特征的說(shuō)話(huà)人識(shí)別結(jié)果（校準(zhǔn)后）

表1中，Cllr值反映的是系統(tǒng)識(shí)別的整體性能，SS Cllr值反映的是同一說(shuō)話(huà)人自身比較的識(shí)別性能，DS Cllr值反映的是不同說(shuō)話(huà)人之間的識(shí)別性能。該統(tǒng)計(jì)結(jié)果表明，總體上擦音/s/的LPC倒譜特征具有一定的話(huà)者區(qū)分價(jià)值，但是性能并不很高，整體的Cllr值在0.6～0.7之間，差異不大。這說(shuō)明，作為單一識(shí)別參數(shù)，利用擦音/s/的LPC倒譜特征進(jìn)行說(shuō)話(huà)人識(shí)別的效果有限。但是，不同頻帶對(duì)于系統(tǒng)識(shí)別的影響還是存在的，這與預(yù)期一致。比較而言，2k～7kHz頻率范圍時(shí)的識(shí)別效果較好，與0～4kHz的頻帶情況相比，系統(tǒng)的Cllr值從0.734下降到0.63，系統(tǒng)性能提升了14.2%。這說(shuō)明2k～7kHz的頻率范圍能夠更好反映擦音/s/的個(gè)體信息，2kHz以下的低頻部分可能存在冗余信息，因此邊界限制[20]有助于識(shí)別性能提升。該結(jié)果與文獻(xiàn)[15]的測(cè)試結(jié)果一致。

兩種條件下識(shí)別的具體情況，詳見(jiàn)圖2～4。圖中，向右上開(kāi)的曲線(xiàn)表示同一話(huà)者比較，向右下降的曲線(xiàn)表示不同話(huà)者比較。虛線(xiàn)和實(shí)線(xiàn)分別代表同一系統(tǒng)校準(zhǔn)前和校準(zhǔn)后的結(jié)果。在法庭說(shuō)話(huà)人識(shí)別中，校準(zhǔn)是一個(gè)標(biāo)準(zhǔn)步驟，特別是對(duì)于檢材語(yǔ)音與樣本語(yǔ)音條件失配情況下，系統(tǒng)經(jīng)校準(zhǔn)后性能會(huì)更佳。

4.2 數(shù)據(jù)庫(kù)大小對(duì)系統(tǒng)識(shí)別性能的影響

圖2 0～4kHz頻帶范圍內(nèi)利用LPCC進(jìn)行說(shuō)話(huà)人識(shí)別的Tippett圖

圖3 0～8kHz頻帶范圍內(nèi)利用LPCC進(jìn)行說(shuō)話(huà)人識(shí)別的Tippett圖

圖4 2k～7kHz頻帶范圍內(nèi)利用LPCC進(jìn)行說(shuō)話(huà)人識(shí)別的Tippett圖

選擇多大規(guī)模的參考人群數(shù)據(jù)庫(kù)對(duì)于法庭說(shuō)話(huà)人識(shí)別也很重要。為了探究數(shù)據(jù)庫(kù)大小對(duì)擦音/s/的LPC倒譜特征識(shí)別性能的影響，我們采用同樣方法，分3組對(duì)30人、60人和90人的數(shù)據(jù)庫(kù)規(guī)模進(jìn)行了說(shuō)話(huà)人識(shí)別性測(cè)試，結(jié)果見(jiàn)表2。

表2 不同規(guī)模數(shù)據(jù)庫(kù)在3種信號(hào)頻帶范圍內(nèi)的LPC倒譜特征識(shí)別的Cllr值

測(cè)試的結(jié)果表明，數(shù)據(jù)庫(kù)的大小對(duì)識(shí)別的性能有影響。各個(gè)頻率范圍內(nèi)的趨勢(shì)基本相同，即隨著數(shù)據(jù)庫(kù)人數(shù)的增加，系統(tǒng)識(shí)別的難度增加，因此識(shí)別性能也隨之下降?？傮w上，30人的數(shù)據(jù)庫(kù)識(shí)別效果最好，特別是頻帶范圍為0～8kHz時(shí)，Cllr值為0.536，是所有測(cè)試中最低的。但是，系統(tǒng)表現(xiàn)并不穩(wěn)定，主要表現(xiàn)在0～4kHz頻帶條件下30人的數(shù)據(jù)庫(kù)識(shí)別效果最差，Cllr值為0.827。理論上，語(yǔ)音數(shù)據(jù)庫(kù)越大，越具代表性，統(tǒng)計(jì)建模越精準(zhǔn)。而司法檢驗(yàn)實(shí)踐中，基于數(shù)據(jù)庫(kù)成本和時(shí)效問(wèn)題的綜合考慮，選擇相對(duì)合理的數(shù)據(jù)庫(kù)規(guī)模是重要的現(xiàn)實(shí)問(wèn)題。

3種頻帶范圍的測(cè)試結(jié)果，詳見(jiàn)圖5～7。

圖5 語(yǔ)音信號(hào)頻率范圍設(shè)置為0～4kHz時(shí)不同大小數(shù)據(jù)庫(kù)的Tippett圖

圖6 語(yǔ)音信號(hào)頻率范圍設(shè)置為0～8kHz時(shí)不同大小數(shù)據(jù)庫(kù)的Tippett圖

圖7 語(yǔ)音信號(hào)頻率范圍設(shè)置為2k～7kHz時(shí)不同大小數(shù)據(jù)庫(kù)的Tippett圖

5 結(jié)論

本文使用基于似然比證據(jù)強(qiáng)度評(píng)估方法和90位男性的非同時(shí)語(yǔ)音樣本數(shù)據(jù)庫(kù)，對(duì)漢語(yǔ)普通話(huà)擦音/s/的LPC倒譜特征在不同語(yǔ)音信號(hào)頻率范圍內(nèi)、不同數(shù)據(jù)庫(kù)規(guī)模條件下的說(shuō)話(huà)人識(shí)別特性進(jìn)行測(cè)試比較和效果評(píng)價(jià)。研究結(jié)果表明，擦音/s/的LPC倒譜特征具有一定的話(huà)者區(qū)分價(jià)值，但是性能并不很高，如果僅作為單一參數(shù)進(jìn)行說(shuō)話(huà)人識(shí)別，其性能效果有限，需要與其他參數(shù)特征結(jié)合使用。此外，不同頻帶對(duì)系統(tǒng)識(shí)別效果有一定影響，而邊界限制有助于提升識(shí)別性能。數(shù)據(jù)庫(kù)大小對(duì)識(shí)別性能也有影響，系統(tǒng)識(shí)別難度隨數(shù)據(jù)庫(kù)人數(shù)增加而下降，但是系統(tǒng)表現(xiàn)并不穩(wěn)定。究竟多大數(shù)據(jù)庫(kù)規(guī)模最為合理還需進(jìn)一步研究。