[發明專利]一種基于信道補償的聲紋識別方法及系統

在審

• 申請號: 202010554305.2
• 申請日: 2020-06-17
• 公開（公告）號: CN111785281A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 沈亮;萬辛;李鵬;倪江帆;高圣翔;馮象雷;孫旭東;占建波;寧珊;孫曉晨
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心;訊飛智元信息科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/06;G10L17/18;G10L21/0208
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于信道補償的聲紋識別方法及系統，該方法包括如下步驟：步驟SS1：初始化去噪網絡G和判別網絡D；步驟SS2：輸入噪聲音頻到去噪網絡G，生成fake音頻，將所述fake音頻和真實的干凈音頻送入到判別網絡D進行訓練，更新判別網絡D的網絡參數，得到新一代判別網絡D1；步驟SS3：凍結判別網絡D1的參數，在去噪網絡G中輸入噪聲音頻，同時將對應的判別標簽設為True，來欺騙判別網絡D1；步驟SS4：重復步驟SS2至步驟SS3，直至判別網絡D收斂，轉入步驟SS5；步驟SS5：去噪網絡G輸出增強音頻信號。本發明對于聲紋識別大幅提高了整體準確率。

技術領域

本發明涉及一種基于信道補償的聲紋識別方法及系統，屬于聲紋識別技術領域。

背景技術

傳統的說話人識別技術，在低信噪比和DB、CDB等復雜噪聲環境下，其性能將大幅下降。這種情況下，常用的方法是先對音頻進行降噪增強，再進行說話人識別，然而，增強模塊會導致語音失真，與訓練不匹配，有時會降低識別性能，并且先降噪增強后進行說話人識別的效率不高。

近幾年基于語音識別的輸入法和語義理解被大幅應用于智能手機，車載設備，可穿戴設備以及智能家居的各個電器設備中，這些設備通常都在比較復雜的聲學環境中被用戶所用。而復雜的噪聲環境通常讓語音的識別率顯著下降，識別率的下降意味著這些設備無法準確理解用戶的指令，這就會大幅降低用戶的體驗。因此，前端語音增強技術就可以確保把語音從帶噪信號中分離出來，以便后端識別模型能正確識別語音的內容。

發明內容

本發明的目的在于，克服現有技術存在的技術缺陷，解決上述技術問題，提出一種基于信道補償的聲紋識別方法及系統。

本發明采用如下方案：一種基于信道補償的聲紋識別方法，其特征在于，包括如下步驟：

步驟SS1：初始化去噪網絡G和判別網絡D；

步驟SS2：輸入噪聲音頻到去噪網絡G，生成fake音頻，將所述fake音頻和真實的干凈音頻送入到判別網絡D進行訓練，更新判別網絡D的網絡參數，得到新一代判別網絡D1；

步驟SS3：凍結判別網絡D1的參數，在去噪網絡G中輸入噪聲音頻，同時將對應的判別標簽設為True，來欺騙判別網絡D1；

步驟SS4：重復步驟SS2至步驟SS3，直至判別網絡D收斂，轉入步驟SS5；

步驟SS5：去噪網絡G輸出增強音頻信號。

作為一種較佳的實施例，所述去噪網絡G包括編碼器Genc、解碼器Gdec，所述編碼器Genc與所述解碼器Gdec通訊連接。

作為一種較佳的實施例，輸入噪聲音頻，經過所述編碼器Genc對音頻提取深層次特征z，然后經過解碼器Gdec對特征z進行解碼，輸出增強之后的音頻。

本發明還提出一種基于信道補償的聲紋識別系統，包括：

去噪網絡G，用于對噪聲音頻進行去噪增強；

音素分類網絡，用于對音素分類，輸出音素分類后驗概率；

判別網絡D，輸出0或者1，用于判別輸入到判別網絡D的音頻是來自真實數據，還是由去噪網絡G生成的假數據；

所述去噪網絡G與所述判別網絡D構成去噪深度神經網絡，所述去噪網絡G的輸出端分別通訊連接所述音素分類網絡的輸入端、所述判別網絡D的輸入端。

作為一種較佳的實施例，所述去噪網絡G包括編碼器Genc、解碼器Gdec，所述編碼器Genc與所述解碼器Gdec通訊連接。

作為一種較佳的實施例，輸入噪聲音頻，經過所述編碼器Genc對音頻提取深層次特征z，然后經過解碼器Gdec對特征z進行解碼，輸出增強之后的音頻。