[發(fā)明專利]一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法

在審

• 申請?zhí)枺?/td>: 201910323405.1
• 申請日: 2019-04-22
• 公開（公告）號(hào): CN110120223A
• 公開（公告）日: 2019-08-13
• 發(fā)明（設(shè)計(jì)）人: 司馬華鵬;唐翠翠
• 申請（專利權(quán)）人: 南京硅基智能科技有限公司
• 主分類號(hào): G10L17/18
• 分類號(hào): G10L17/18;G10L17/02;G10L17/04
• 代理公司: 江蘇舜點(diǎn)律師事務(wù)所 32319
• 代理人: 徐旭棟

1.一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，包括以下步驟：（1）收集說話人語音段X₁、X₂、...X_T，向TDNN中輸入說話人語音段X₁、X₂、...X_T，T為正整數(shù)，TDNN每次取任意幀數(shù)；

（2）池化層將TDNN語音段的每個(gè)輸出向量集合，獲取所述集合的均值和標(biāo)準(zhǔn)差作為所述池化層輸出的特征向量P；

（3）所述池化層之后連接至少兩層全連接層，所述全連接層之后為softmax層，所述特征向量P輸入到所述全連接層集合后再輸入至softmax層，softmax層的輸出為每個(gè)說話人的后驗(yàn)概率，即；

（4）將所述后驗(yàn)概率用于訓(xùn)練的損失函數(shù)，訓(xùn)練完成后，去掉所述softmax層，導(dǎo)出每段語音的特征向量S，用所述特征向量S訓(xùn)練PLDA模型，使用所述PLDA模型完成聲紋識(shí)別。

2.如權(quán)利要求1所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，所述后驗(yàn)概率用于訓(xùn)練的損失函數(shù)的交叉熵為：，其中，n為要輸入TDNN的語音，k為各個(gè)說話人，所述d_nk的值為1或0。

3.如權(quán)利要求1所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，所述說話人語音段X₁、X₂、...X_T為20維梅爾頻率倒譜系數(shù)特征，且其幀長為25ms，幀移為10ms。

4.如權(quán)利要求3所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，所述說話人語音段在3s內(nèi)進(jìn)行歸一化處理。

5.如權(quán)利要求1所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，所述全連接層為兩層。

6.如權(quán)利要求2所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，當(dāng)且僅當(dāng)所述語音n的標(biāo)記為說話人k時(shí)，d_nk的值為1。

7.如權(quán)利要求1所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，對(duì)所述特征向量S進(jìn)行歸一化處理，歸一化處理完成后訓(xùn)練PLDA模型。

8.如權(quán)利要求1所述的一種基于時(shí)延神經(jīng)網(wǎng)絡(luò)TDNN的聲紋識(shí)別方法，其特征在于，所述步驟（4）中的PLDA模型訓(xùn)練完成后對(duì)其進(jìn)行歸一化處理。