自己写了模仿微信声音锁的一个android程序，先录两段相同的语音信号作为模板，解锁时通过对比输入语音和该两段语音模板的相似度，如果相似度高则解锁成功。

程序界面如下，仿照微信设置，当然跟原版比效果略渣。

launcher界面：                                        录音界面：

  

解锁成功界面：

具体流程：

1.首先要用手机麦克风录制两段声音模板，提取出语音特征参数并保存，当然也要比较这两段语音的相似度，如果相似度不高则重新录制。

2.然后就可以尝试解锁了，同样用麦克风输入一段待识别语音，提取语音特征参数并与保存的模板比较，如果相似度高则弹出对话框提示解锁成功。

用到的算法：

预加重：为了加强语音在高频的部分，用一个高通滤波对信号进行处理，设输入信号为x(n)，输出信号则为

y(n) = x(n) - ax(n - 1)，这里我取a为0.9375。

分帧和加窗：程序设置的采样率是22050Hz，帧长为512，大概23ms为一帧，帧移为1/2。对每一帧用hamming窗来加窗，减小吉布斯效应。

端点检测：在录制的信号中检测语音段的起始点和终止点，计算每一帧的短时能量和短时过零率，并分别设置高低两个阀值，使用双门限联合判决的方法来检测语音的端点。具体方法恕不赘述。

提取MEL倒谱系数(MFCC)：需要提取端点检测出来的语音段的MFCC参数，流程：对语音段每一帧做FFT，再经过N个MEL频率尺度的三角滤波器组得到N组输出（N一般取20到30个，这里我取26），对N组输出做对数运算，再进一步做离散余弦变换(DCT)即可得到MFCC。为了获取语音的动态特性，还可以对MFCC进行一阶和二阶差分，将MFCC和它的一阶二阶差分合并，作为这一帧的语音特征参数，这里我取MFCC长度为12，只取了一阶差分，所以每一帧的特征参数为一个长度为24的矢量。

DTW算法：Dynamic Time Warping，动态时间归整，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题。把输入语音和模板语音的MFCC参数进行距离测量，距离小于某个阀值则可以判断这两段语音的相似度高。具体DTW介绍可以看看大神的文章：http://www.cnblogs.com/tornadomeet/archive/2012/03/23/2413363.html

总结：

因为这里我没有对信号降噪处理，所以在噪声比较小的情况下，能够正常识别并解锁，但是在噪声大的情况下就不能正确识别并解锁了。或者也可以用其他抗噪能力强的端点检测和特征提取方法。

其实用DTW算法做声纹识别是不太可靠的，有时候别人录制同样的语音也可以解锁成功。其实就算是微信的原始版本也一样，当然我不知道微信用的什么算法。

目前说话人识别比较常用的是GMM算法，但是GMM多用于文本无关的说话人识别。文本相关也可以用到HMM，但是HMM需要的训练数据比较多。而采用DTW算法则不需要太多的训练数据，当然也就造成识别效果不够理想的问题。如果能兼顾用户体验和识别效果的话，那想必是极好的，但还有待研究。

项目简介：

项目是用android studio开发，包含两个modual：

一个是界面程序APP，一个是包含上述算法的library模块。

个人能力有限，希望能借助开源的力量，改进这个项目。

项目地址：

https://github.com/Saber904/Lock