题目：基于脚步声身份识别的算法研究

生物识别技术是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性（如指纹、脸象、虹膜等）和行为特征（如笔迹、声音、步态等）来进行个人身份的鉴定。人类的生物特征通常具有唯一性、可测量、可自动识别、遗传性和终身不变等特点，所以生物识别技术较传统认证技术存在着很大的发展潜力。
脚步声识别是生物识别技术的一种新方法， 脚步声识别是利用了个人在走路时所发出的声音或者震动波形为特征，然后可以去识别脚步声与非脚步声，基于以声学为特征的脚步声可以识别个人身份。正常情况下每个人走路的脚步声是不一样的，所以这些脚步声包含了一个人走路时的特点和个人身份信息，具有可靠性和唯一性等特点。这使脚步声在作为个人身份识别上有了很大的发展和应用。相对于指纹识别，红膜识别和掌纹识别等其他生物识别技术，脚步声识别具有对采集设备要求低、采集方便有效和接受度高等特点，被人们越来越多的关注，成为身份识别领域中一个新的研究热点，特别是在一定环境下的家庭监控、安全防盗、军事侦察等领域具有重要意义，还可以利用脚步声识别技术自动启用监控录像，从而节省录像存储介质。
本文详细阐述了脚步声识别技术的特点，并在脚步声的特征提取和识别的研究基础上，提出了几点新的方法和创新，主要创新有以下几点：
1、脚步声的预处理。利用双门限比较端点检测法对脚步声进行端点检测，对于在现实环境中含有低噪声的脚步声进行了维纳滤波，并与安静环境下的脚步声做对比。一个连续的脚步声中，脚步声的开始阶段无法定位会影响系统的识别率和计算速度，所以，端点检测不仅有助于提高识别率，而且可以极大的提高计算速度。对于现有的脚步声信号都是在安静环境下研究的，而在通常状态下脚步声识别并非都处于安静环境中，应用于实际中的脚步声信号都含有噪声，噪声对于以声学作特征参数的脚步声识别会有很大的影响，因此对于含有噪声的脚步声信号进行了虑噪，虑噪是特征提取和识别过程中不可缺少的一个重要步骤。我们对于含有噪声的脚步声利用了维纳滤波的方法进行预处理。
2、脚步声的判断。提出了利用高斯混合模型（GMMs，Gaussian Mixture Models）中的似然度作为判断脚步声的方法。该方法首先利用梅尔倒谱系数（MFCCs，Mel-Frequency Cepstral Coefficients）作脚步声信号的特征，然后利用GMM参数的EM算法估计使得对数似然函数有最大值，通过测试可以得出对数似然值，而其模拟的相似程度则可以用对数似然值的范围来衡量。经过实验测试，结果显示本文方法的识别率为96%，对脚步声有良好的判断效果。
3、脚步声的特征提取和识别。现有的基于脚步声身份识别的研究方法均采用了以声学参数作特征，例如梅尔倒谱系数，频谱包络相似度等，这类方法的缺点是对于同一人在不同鞋类和不同地板上的脚步声识别具有很大的约束性和限制性，对不同的发声机制较为敏感。因此，在此基础上我们提出一种新的特征提取方法，用脚步声的持续时间与脚步声的间隔时间作特征，最后使用K-NN(k-Nearest Neighbor algorithm)算法做识别测试。实验结果表明，该方法对于脚步声的身份识别是有效的，对于不同发声机制下的脚步声识别具有良好的鲁棒性和适用性。