[發明專利]一種基于語音降噪的聲紋識別方法和相關裝置

在審

• 申請號: 201980003326.0
• 申請日: 2019-12-24
• 公開（公告）號: CN111108554A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 陳昊亮;羅偉航
• 申請（專利權）人: 廣州國音智能科技有限公司
• 主分類號: G10L17/20
• 分類號: G10L17/20;G10L17/18;G10L17/04
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王兆林

1.一種基于語音降噪的聲紋識別方法，其特征在于，包括：

獲取待識別語音；

對所述待識別語音進行去噪處理；

提取去噪后的所述待識別語音的第一語譜圖；

將所述第一語譜圖輸入到預置卷積神經網絡模型，得到所述待識別語音的聲紋識別結果。

2.根據權利要求1所述的基于語音降噪的聲紋識別方法，其特征在于，所述將所述第一語譜圖輸入到預置卷積神經網絡模型，得到所述待識別語音的聲紋識別結果，之前還包括：

獲取訓練樣本語音；

對所述訓練樣本語音進行去噪處理；

提取去噪后的所述訓練樣本語音的第二語譜圖；

將所述第二語譜圖輸入到卷積神經網絡模型中進行訓練；

計算所述卷積神經網絡模型對所述訓練樣本語音的識別率，當所述識別率達到閾值時，得到訓練好的所述卷積神經網絡模型，將訓練好的所述卷積神經網絡模型作為所述預置卷積神經網絡模型。

3.根據權利要求1所述的基于語音降噪的聲紋識別方法，其特征在于，所述對所述待識別語音進行去噪處理，包括：

基于經驗模態分解和小波閾值相結合的方法對所述待識別語音進行去噪處理。

4.根據權利要求3所述的基于語音降噪的聲紋識別方法，其特征在于，所述基于經驗模態分解和小波閾值相結合的方法對所述待識別語音進行去噪處理，包括：

基于經驗模態分解對所述待識別語音進行自適應分解，得到若干個本征模函數分量；

基于小波閾值對所述本征模函數分量中的高頻本征模函數分量進行去噪處理；

將去噪后的所述高頻本征模函數分量和非高頻本征模函數分量進行相加重構，得到去噪后的所述待識別語音。

5.一種基于語音降噪的聲紋識別裝置，其特征在于，包括：

第一獲取模塊，用于獲取待識別語音；

第一去噪模塊，用于對所述待識別語音進行去噪處理；

第一提取模塊，用于提取去噪后的所述待識別語音的第一語譜圖；

識別模塊，用于將所述第一語譜圖輸入到預置卷積神經網絡模型，得到所述待識別語音的聲紋識別結果。

6.根據權利要求5所述的基于語音降噪的聲紋識別裝置，其特征在于，還包括：

第二獲取模塊，用于獲取訓練樣本語音；

第二去噪模塊，用于對所述訓練樣本語音進行去噪處理；

第二提取模塊，用于提取去噪后的所述訓練樣本語音的第二語譜圖；

訓練模塊，用于將所述第二語譜圖輸入到卷積神經網絡模型中進行訓練；

計算模塊，用于計算所述卷積神經網絡模型對所述訓練樣本語音的識別率，當所述識別率達到閾值時，得到訓練好的所述卷積神經網絡模型，將訓練好的所述卷積神經網絡模型作為所述預置卷積神經網絡模型。

7.根據權利要求5所述的基于語音降噪的聲紋識別裝置，其特征在于，所述第一去噪模塊包括：

分解子模塊，用于基于經驗模態分解對所述待識別語音進行自適應分解，得到若干個本征模函數分量；

去噪子模塊，用于基于小波閾值對所述本征模函數分量中的高頻本征模函數分量進行去噪處理；

重構子模塊，用于將去噪后的所述高頻本征模函數分量和非高頻本征模函數分量進行相加重構，得到去噪后的所述待識別語音。

8.一種基于語音降噪的聲紋識別設備，其特征在于，所述設備包括處理器以及存儲器；

所述存儲器用于存儲程序代碼，并將所述程序代碼傳輸給所述處理器；

所述處理器用于根據所述程序代碼中的指令執行權利要求1-4任一項所述的基于語音降噪的聲紋識別方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲程序代碼，所述程序代碼用于執行權利要求1-4任一項所述的聲基于語音降噪的聲紋識別方法。

10.一種包括指令的計算機程序產品，其特征在于，當其在計算機上運行時，使得所述計算機執行權利要求1-4任一項所述的基于語音降噪的聲紋識別方法。