[發(fā)明專利]一種基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法

有效

• 申請?zhí)枺?/td>: 202010125816.2
• 申請日: 2020-02-27
• 公開（公告）號: CN111370003B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設計）人: 羅世操
• 申請（專利權）人: 杭州雄邁集成電路技術股份有限公司
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/18;G10L17/00;G10L17/02;G06N3/045
• 代理公司: 杭州裕陽聯(lián)合專利代理有限公司 33289
• 代理人: 姚宇吉

本發(fā)明公開了一種基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法，涉及聲紋識別技術領域。本發(fā)明利用已經(jīng)標注過說話人身份的語音數(shù)據(jù)，進行快速傅里葉變換，得到對應語譜圖作為孿生神經(jīng)網(wǎng)絡輸入；組成樣本對，并給樣本對配上是否來自同一個人的標簽；以對比損失函數(shù)為訓練準則，訓練孿生神經(jīng)網(wǎng)絡聲紋比對模型；在聲紋比對系統(tǒng)中，通過訓練得到的孿生神經(jīng)網(wǎng)絡模型提取表示說話人身份的聲紋特征向量，并和數(shù)據(jù)庫中注冊的人的聲紋特征向量進行相似度量，驗證說話人的身份，降低環(huán)境的影響，提高聲紋識別的準確率。

技術領域

本發(fā)明屬于聲紋識別技術領域，特別是涉及一種基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法。

背景技術

聲紋特征是生物特征的一種，每個人具有固有的特征。聲紋識別技術是僅次于指紋識別、人臉識別和掌紋的生物識別技術，在識別領域具有廣泛的研究和應用。

之前研究者所提出的聲紋特征大多是基于語音的韻律特征和音質(zhì)特征，均為人工設計的特征，系統(tǒng)的魯棒性不高，很容易受到環(huán)境的影響。

現(xiàn)提供一種基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法，提高聲紋識別的準確率。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法，通過基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法，提高聲紋識別的準確率。

為解決上述技術問題，本發(fā)明是通過以下技術方案實現(xiàn)的：

本發(fā)明為一種基于孿生神經(jīng)網(wǎng)絡的聲紋比對方法，包括以下步驟：

SS01：利用已經(jīng)標注過說話人身份的語音數(shù)據(jù)，進行快速傅里葉變換，得到對應語譜圖作為孿生神經(jīng)網(wǎng)絡輸入；

SS02：組成樣本對，并給樣本對配上是否來自同一個人的標簽；

SS03：以對比損失函數(shù)為訓練準則，訓練孿生神經(jīng)網(wǎng)絡聲紋比對模型；

SS04：在聲紋比對系統(tǒng)中，驗證說話人的身份，驗證步驟如下：

S041：采集語音信號；

S042：進行快速傅里葉變換，得到語譜圖；

S043：所述語譜圖輸入訓練完成的孿生神經(jīng)網(wǎng)絡聲紋比對模型中得到對應的聲紋特征；

S044：所述聲紋特征和數(shù)據(jù)庫中注冊的人的聲紋特征向量進行相似度量，驗證說話人的身份。

進一步地，所述孿生神經(jīng)網(wǎng)絡聲紋比對模型的訓練包括如下步驟：

S031：對標注過說話人身份的語音數(shù)據(jù)進行快速傅里葉變換得到語譜圖；

S032：語譜圖組成樣本對(x₁,x₂,y)，并給樣本對配上是否來自同一個人的標簽；其中，y＝1表示語譜圖x₁和x₂來自同一個人，y＝0表示語譜圖x₁和x₂來自不同人；

S033：搭建孿生神經(jīng)網(wǎng)絡聲紋比對模型，并初始化模型各層參數(shù)；其中，孿生神經(jīng)網(wǎng)絡為兩個結構相同并共享網(wǎng)絡參數(shù)的神經(jīng)網(wǎng)絡，每個網(wǎng)絡分別接收語譜圖樣本對中的一個樣本；

S034：隨機采樣訓練樣本對并進行前向運算，使用對比損失函數(shù)為損失函數(shù)并計算損失；

S035：采樣隨機梯度下降法誤差反向傳播算法對模型參數(shù)進行更新；

S036：模型收斂后保存訓練好的孿生神經(jīng)網(wǎng)絡聲紋比對模型的參數(shù)。

進一步地，所述步驟S044中聲紋特征和數(shù)據(jù)庫中注冊的人的聲紋特征向量進行相似度量的函數(shù)定義如下：