[發明專利]語音來源設備的識別方法和系統

有效

• 申請號: 202010148882.1
• 申請日: 2020-03-05
• 公開（公告）號: CN111508524B
• 公開（公告）日: 2023-02-21
• 發明（設計）人: 蘇兆品;吳張倩;張國富;岳峰;武欽芳;沈朝勇;肖銳
• 申請（專利權）人: 合肥工業大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/03;G10L25/30
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種語音來源設備的識別方法，其特征在于，所述方法由計算機執行，包括：

獲取包含自然噪聲的語音數據庫；

提取所述語音數據庫中的語音樣本的LMFB特征；

基于改進的TCN網絡和所述語音樣本的LMFB特征獲取LMFB-TCN特征；

基于LDA技術對所述LMFB-TCN特征進行優化，獲取深度語音特征LMFB-TCN-LDA；

基于所述深度語音特征LMFB-TCN-LDA對SVM分類器進行訓練和測試，得到語音來源設備識別模型，所述語音來源設備識別模型用于識別語音來源設備的品牌和型號；

其中，基于改進的TCN網絡和所述語音樣本的LMFB特征獲取LMFB-TCN特征，包括：

S301、把LMFB特征作為TCN網絡的輸入，對于T幀的LMFB特征，x_t是從語音第t幀中提取的特征，x_t∈R^D，其中D為每一幀特征的維數，輸入X是所有幀特征的串聯，即X∈R^T×D，輸入特征經過一維卷積過濾，計算公式表達如下：

Y₁＝σ₁(W₁*X₀) (1)

式(1)中：

X₀是網絡最初的輸入特征；

W₁是第一層網絡需要學習的參數；

σ₁是非線性激活函數Tanh；

S302、步驟S301的輸出經過TCN網絡中的殘差模塊，殘差模塊深層網絡被分解成若干個殘差學習單元Res_unit，每一個Res_unit中的卷積核個數是128，在殘差模塊中，全部采用擴張卷積，其中參數dilation rate(d)在連續Res_unit中以2的指數形式增加，即d＝2ⁿ，n＝0,1,2,3,4，在TCN網絡中，每個Res_unit的輸出通過添加到下一個Res_unit的輸入而合并，令Y_l代表第l層Res_unit的輸出，則：

Y_l＝Y_l-1+F(W_l,Y_l-1) (2)

式(2)中：

W_l是第l層Res_unit需要學習的參數，F是在Res_unit中經歷的非線性變換；

其中，在每個殘差學習單元Res_unit中，將輸入信號進行卷積之后分別利用Sigmoid激活函數和Tanh激活函數進行線性變換，并將結果相乘，再次經過一維卷積和Tanh激活函數之后輸出，計算公式表達如下：

式(3)中：

σ₁是非線性激活函數Tanh；

σ₂是非線性激活函數Sigmoid；

和分別代表在第l層Res_unit中第一層conv和第二層conv的參數，

S303、在經過N個Res_unit的學習后，累加不同輸出，經過殘差模塊之后并經過Relu函數非線性變換后得Y_N，計算公式表達如下：

式(4)中：

σ₃是非線性激活函數Relu；

第一個Res_unit的輸出是Y₂，TCN中對所有后續Res_unit進行累加；

在殘差模塊之后又添加兩層卷積層，具體計算見公式(5)和(6)：

Y_N+1＝σ₃(W_N+1*Y_N) (5)

Y_N+2＝W_N+2*Y_N+1 (6)

式(5)(6)中：

W_N+1是第N+1層Res_unit需要學習的參數；

W_N+2是第N+2層Res_unit需要學習的參數；

S304、步驟S303的輸出Y_N+2經過全局池化后再經過TCN網絡中的softmax層，計算表述式如下：

式(7)中：

Y_N+3＝GlobalMaxPooling1d(Y_N+2) (8)

經過改進的TCN網絡的學習，以及不同網絡層對數據的處理，最終取Y_N+2為的LMFB-TCN特征，其中Y_N+2∈R^128×147，為了將高維冗余特征映射到低維有效特征同時去除冗余信息，將LMFB-TCN特征重塑成一維Y_N+2∈R⁶⁰¹⁶。