[發(fā)明專利]基于MFCC和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810963310.1
• 申請(qǐng)日: 2018-08-22
• 公開（公告）號(hào): CN108847244A
• 公開（公告）日: 2018-11-20
• 發(fā)明（設(shè)計(jì)）人: 高明柯;王熠;周燕瓊;邵培南;夏定江;白利娟;李旭波;崔璨;王燦
• 申請(qǐng)（專利權(quán)）人: 華東計(jì)算技術(shù)研究所（中國電子科技集團(tuán)公司第三十二研究所）
• 主分類號(hào): G10L17/02
• 分類號(hào): G10L17/02;G10L17/04;G10L17/18;G10L25/24
• 代理公司: 上海段和段律師事務(wù)所 31334
• 代理人: 李佳俊;郭國中

本發(fā)明提供了一種基于MFCC和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法及系統(tǒng)，包括：采用MFCC對(duì)語音信號(hào)進(jìn)行特征提取，得到MFCC特征參數(shù)；將語音信號(hào)的MFCC特征參數(shù)輸入改進(jìn)BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行模型訓(xùn)練；從待識(shí)別語音信號(hào)中提取MFCC特征參數(shù)，輸入訓(xùn)練好的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)中計(jì)算，將錯(cuò)誤率最低值所對(duì)應(yīng)的計(jì)算結(jié)果作為最終識(shí)別結(jié)果。本發(fā)明利用MFCC和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，能夠更有效地識(shí)別聲紋，以隨機(jī)梯度下降代替梯度下降，在相同的迭代次數(shù)的情況下，所耗費(fèi)的時(shí)間更少，相同的時(shí)間內(nèi)，迭代的次數(shù)更多，可以達(dá)到更好的訓(xùn)練效果，具有廣泛的應(yīng)用前景。

技術(shù)領(lǐng)域

本發(fā)明涉及聲紋識(shí)別領(lǐng)域，具體地，涉及基于MFCC和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法及系統(tǒng)。

背景技術(shù)

MFCC：梅爾頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients)，將時(shí)域的語音變?yōu)轭l域，對(duì)頻域的信號(hào)進(jìn)行分段濾波，得出不同頻率段的占比，所得到的占比系數(shù)組成的矩陣即梅爾倒頻譜系數(shù)。

BP神經(jīng)網(wǎng)絡(luò)：反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation)，一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。

SGD：隨機(jī)梯度下降(Stochastic Gradient Descent)，一種優(yōu)化方法，屬于梯度下降的一種，適用于大規(guī)模的問題。

聲紋識(shí)別，又稱說話人識(shí)別，是指通過對(duì)聲紋語音信號(hào)的分析處理，自動(dòng)識(shí)別說話人身份的技術(shù)。語音信號(hào)是由不同的發(fā)音器官隨時(shí)間而改變位置而產(chǎn)生的一系列聲音，鑒于聲音的特性與個(gè)體的生理解剖結(jié)構(gòu)相關(guān)，因此不同人所發(fā)出的聲音不同，同時(shí)可以根據(jù)這一點(diǎn)進(jìn)行說話人身份識(shí)別。聲紋識(shí)別的基本方法是通過不同的語音信號(hào)提取聲紋的特征，將特征進(jìn)行訓(xùn)練，并在得到的識(shí)別模型中進(jìn)行推理。

目前常用的聲紋識(shí)別的主流方法有動(dòng)態(tài)時(shí)間規(guī)整(DTW)、隱馬爾科夫剛理論(HMM)、矢量量化(VQ)等。然而，這些方法都具有識(shí)別的準(zhǔn)確率較低、需要進(jìn)行大量的計(jì)算、缺乏動(dòng)態(tài)的訓(xùn)練或者過度依賴原話者等缺點(diǎn)。

BP神經(jīng)網(wǎng)絡(luò)是一種誤差反向傳播的多層前饋網(wǎng)絡(luò)，具有大規(guī)模并行處理、分布式信息存儲(chǔ)、良好的自組織和自學(xué)習(xí)能力及原理簡單、容易實(shí)現(xiàn)等優(yōu)點(diǎn)。但其也存在固有的缺陷，如容易過擬合，收斂速度慢等。在傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)中使用的梯度下降是一種全局最優(yōu)解，但在每個(gè)迭代步驟中，要求使用所有的訓(xùn)練數(shù)據(jù)。當(dāng)樣本數(shù)量很大時(shí)，該方法的迭代速度較低，處理時(shí)間越來越長。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供基于MFCC和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法及系統(tǒng)。

根據(jù)本發(fā)明提供的一種基于MFCC和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別方法，包括：

語音處理步驟：采用MFCC對(duì)語音信號(hào)進(jìn)行特征提取，得到MFCC特征參數(shù)；

模型訓(xùn)練步驟：將語音信號(hào)的MFCC特征參數(shù)輸入改進(jìn)BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行模型訓(xùn)練；

語音識(shí)別步驟：從待識(shí)別語音信號(hào)中提取MFCC特征參數(shù)，輸入訓(xùn)練好的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)中計(jì)算，將錯(cuò)誤率最低值所對(duì)應(yīng)的計(jì)算結(jié)果作為最終識(shí)別結(jié)果。

較佳的，所述語音處理步驟包括：

預(yù)加重子步驟：將語音信號(hào)通過濾波器提升高頻部分；

分幀子步驟：對(duì)預(yù)加重后的語音信號(hào)進(jìn)行分幀；

漢明窗子步驟：將分幀后的語音信號(hào)的每幀乘以漢明窗；

快速傅里葉變換子步驟：對(duì)漢明窗后的每一幀語音信號(hào)進(jìn)行快速傅里葉變換，得到能量譜；

三角帶通濾波子步驟：將能量普輸入三角帶通濾波器組；

對(duì)數(shù)能量計(jì)算子步驟：計(jì)算每個(gè)三角帶通濾波器輸出的對(duì)數(shù)能量；