[發明專利]一種應對復雜聲學環境的說話人確認方法、系統及存儲介質

在審

• 申請號: 202010871239.1
• 申請日: 2020-08-26
• 公開（公告）號: CN111986679A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 劉明;周彥兵;孫沖武;趙學華;高波
• 申請（專利權）人: 深圳信息職業技術學院
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L21/0208;G10L25/12;G10L25/24;G10L25/30;G10L25/45
• 代理公司: 深圳市添源知識產權代理事務所(普通合伙) 44451
• 代理人: 黎健任

本發明提供了一種應對復雜聲學環境的說話人確認方法、系統及存儲介質，該說話人確認方法包括執行以下步驟：步驟1：輸入說話人語音；步驟2：接收步驟1的說話人語音音頻，再采用梅爾倒譜系數提取模塊和線性預測提取模塊提取出所接收的說話人語音音頻中的人工聲紋特征，最后將提取的人工聲紋特征送到特征增強模塊；步驟3：采用特征增強模塊接收步驟2提取的人工聲紋特征，并通過特征增強模塊對所接收的人工聲紋特征進行降噪處理，得到增強后的人工聲紋特征，最后將增強后的人工聲紋特征送到聲紋識別模塊；步驟4。本發明的有益效果是：利用梅爾倒譜特征和線性預測特征級聯的方式，進行說話人聲紋建模，提高了算法對目標聲紋的辨識能力。

技術領域

本發明涉及數據處理領域，尤其涉及一種應對復雜聲學環境的說話人確認方法、系統及存儲介質。

背景技術

目前，智能手機、智能音箱、對話機器人等產品中都會加入目標說話人聲紋確認的功能，來提高這類電子設備對用戶的專用性。但是，當具備說話人確認功能的語音產品工作在一些復雜的應用場景時，如存在各式各樣背景噪音的環境、周圍有其他人說話干擾的場景等，產品的聲紋識別準確率較低。除此之外，當目標說話人由于感冒或其他疾病而導致自身的聲音發生一些變化時，目前市面上的語音產品也難以正確地識別目標說話人的聲紋。

發明內容

本發明提供了一種應對復雜聲學環境的說話人確認方法，包括執行以下步驟：

步驟1：輸入說話人音頻；

步驟2：接收步驟1的說話人音頻，再采用梅爾倒譜系數提取模塊和線性預測提取模塊提取出所接收的說話人音頻中的人工聲紋特征，最后將提取的人工聲紋特征送到特征增強模塊；

步驟3：采用特征增強模塊接收步驟2提取的人工聲紋特征，并通過特征增強模塊對所接收的人工聲紋特征進行降噪處理，得到增強后的人工聲紋特征，最后將增強后的人工聲紋特征送到聲紋識別模塊；

步驟4：采用聲紋識別模塊接收增強后的人工聲紋特征，進行更深層次的抽象表示分析，再在神經網絡的輸出層得到新的特征表示形式，最后計算不同語句之間的相似值，輸出相似度向量，并做出是否是目標說話人的判決。

作為本發明的進一步改進，在所述步驟2中，所述梅爾倒譜系數提取模塊還包括依次執行以下步驟：

預處理步驟：將原始語音信號進行采樣量化、預加重、加窗分幀預處理，得到每一幀語音信號的語音序列s(n)；

傅里葉變換步驟：對預處理后得到的語音序列s(n)進行快速傅里葉變換，將其從時域變換到頻域，得到其頻譜，并求得頻譜的幅度值S(k)；

濾波步驟：將幅度值S(k)通過梅爾頻率濾波器組H_m(k)得到的輸出為P_m(m＝0,1,…,M-1)，參數P_m的表達公式如下：

其中，H_m(k)是梅爾頻率濾波器組的傳遞函數，其定義表達如下式所示：

公式(2)中M為三角形濾波器的數量，即梅爾濾波器組的階數,f(m)是三角形濾波器的中心頻率；f(m-1)和f(m+1)分別表示一個三角形濾波器的上限頻率與下限頻率；

梅爾倒譜系數計算步驟：對參數P_m進行對數能量計算，輸出得到的參數為L_m(m＝0,1,…,M-1)，再將參數L_m進行離散余弦變換，將得到的參數L_m轉換到倒譜域中，這樣就得到了梅爾倒譜系數C_mel，其具體過程如下：

L_m＝ln(P_m),(m＝0,1,…,M-1) (3)