[發(fā)明專利]語音來源設(shè)備的識別方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010148882.1
• 申請日: 2020-03-05
• 公開（公告）號: CN111508524B
• 公開（公告）日: 2023-02-21
• 發(fā)明（設(shè)計(jì)）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(quán)）人: 合肥工業(yè)大學(xué)
• 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(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11542
• 代理人: 余罡

本發(fā)明提供一種語音來源設(shè)備的識別方法和系統(tǒng)，涉及語音信息處理技術(shù)領(lǐng)域。本發(fā)明通過獲取包含自然噪聲的語音數(shù)據(jù)庫；提取語音數(shù)據(jù)庫中的語音樣本的LMFB特征；基于改進(jìn)的TCN網(wǎng)絡(luò)學(xué)習(xí)深度語音特征，并利用LDA對其進(jìn)行優(yōu)化；最后基于深度語音特征LMFB?TCN?LDA對SVM分類器進(jìn)行訓(xùn)練和測試，得到語音來源設(shè)備識別模型。本發(fā)明通過用包含自然噪聲的語音樣本的深度語音特征LMFB?TCN?LDA訓(xùn)練和測試SVM分類器，得到的語音來源設(shè)備識別模型能準(zhǔn)確識別出包含自然噪聲的語音的來源設(shè)備的語音來源設(shè)備識別模型，同時(shí)，本發(fā)明基于改進(jìn)的TCN網(wǎng)絡(luò)和LDA對LMFB特征進(jìn)行深度語音特征學(xué)習(xí)，使得提取的LMFB?TCN?LDA特征更加反應(yīng)設(shè)備本身特性，從而進(jìn)一步提高語音來源設(shè)備識別模型的識別準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及語音信息處理技術(shù)領(lǐng)域，具體涉及一種語音來源設(shè)備的識別方法和系統(tǒng)。

背景技術(shù)

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，智能設(shè)備擁有了更多的功能與實(shí)用性，已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠帧Ｔ絹碓蕉嗟娜讼矚g使用智能手機(jī)和網(wǎng)絡(luò)社交軟件來記錄日常活動(dòng)的場景和聲音。其中，語音是微信等網(wǎng)絡(luò)社交軟件最為常見的通信方式之一，基于語音信號的手機(jī)來源識別已經(jīng)成為多媒體取證領(lǐng)域的一個(gè)熱點(diǎn)課題，對于驗(yàn)證音頻來源的真實(shí)性和原始性具有重要的現(xiàn)實(shí)意義，近年來受到公安和司法部門的高度重視。

現(xiàn)有的語音來源設(shè)備的識別方法的框架通常包含兩個(gè)步驟，即訓(xùn)練和識別。首先從訓(xùn)練集中提取不同型號手機(jī)的傳統(tǒng)的關(guān)鍵語音特征(如MFCC)，然后利用這些關(guān)鍵語音特征進(jìn)行訓(xùn)練和分類，以創(chuàng)建不同的手機(jī)來源模板，最后將從測試集中提取的關(guān)鍵語音特征送入到手機(jī)來源模板庫中進(jìn)行匹配，以識別出特定的手機(jī)型號。

然而，本申請的發(fā)明人發(fā)現(xiàn)，現(xiàn)有的語音來源設(shè)備的識別方法在識別理想數(shù)據(jù)庫中能取得不錯(cuò)的識別結(jié)果，但是當(dāng)音頻包換自然噪聲時(shí)，其識別結(jié)果將會明顯受到影響，導(dǎo)致識別結(jié)果的準(zhǔn)確度較低，即現(xiàn)有的語音來源設(shè)備的識別方法在識別含有自然噪聲的音頻時(shí)準(zhǔn)確度較低。

發(fā)明內(nèi)容

(一)解決的技術(shù)問題

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種語音來源設(shè)備的識別方法和系統(tǒng)，解決了現(xiàn)有的語音來源設(shè)備的識別方法在識別含有自然噪聲的音頻時(shí)準(zhǔn)確度較低的技術(shù)問題。

(二)技術(shù)方案

為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：

本發(fā)明提供一種語音來源設(shè)備的識別方法，所述方法由計(jì)算機(jī)執(zhí)行，包括：

獲取包含自然噪聲的語音數(shù)據(jù)庫；

提取所述語音數(shù)據(jù)庫中的語音樣本的LMFB特征；

基于改進(jìn)的TCN網(wǎng)絡(luò)和所述語音樣本的LMFB特征獲取LMFB-TCN特征；

基于LDA技術(shù)對所述LMFB-TCN特征進(jìn)行優(yōu)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(jìn)行訓(xùn)練和測試，得到語音來源設(shè)備識別模型，所述語音來源設(shè)備識別模型用于識別語音來源設(shè)備的品牌和型號。

優(yōu)選的，所述獲取包含自然噪聲的語音數(shù)據(jù)庫，包括：

S101、獲取自然噪聲的語音數(shù)據(jù)；

S102、將所述語音數(shù)據(jù)裁剪成語音樣本；

S103、將所述語音樣本分為訓(xùn)練集和測試集，所述訓(xùn)練集和所述測試集構(gòu)成所述語音數(shù)據(jù)庫。

優(yōu)選的，所述基于改進(jìn)的TCN網(wǎng)絡(luò)和所述語音樣本的LMFB特征獲取LMFB-TCN特征，包括：