[發明專利]基于多特征匹配的聲紋識別方法及裝置

在審

• 申請號: 202110344550.5
• 申請日: 2021-03-29
• 公開（公告）號: CN113192513A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 杭州鹿揚科技有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/02;G10L21/0272;G10L25/63
• 代理公司: 北京國翰知識產權代理事務所(普通合伙) 11696
• 代理人: 張天辰

本發明公開了基于多特征匹配的聲紋識別方法及裝置，屬于語音識別技術領域，本發明的基于多特征匹配的聲紋識別方法，對采集待識別的聲音數據，提取聲音數據的聲紋，生成聲紋的波形，基于生成的聲紋的波形，對聲紋進行噪聲分離等操作，實現了將采集到的聲音數據轉換為聲紋，對聲紋進行噪聲分離，再對聲音聲紋波形分別進行情緒空間映射和識別空間映射，分別在兩個空間下得到情緒特征和識別特征，再根據情緒特征和識別特征進行識別，在識別過程中，使用窗函數的方式進行相似部分識別，多特征的識別顯著提升了識別的準確率。

技術領域

本發明屬于語音識別技術領域，具體涉及基于多特征匹配的聲紋識別方法及裝置。

背景技術

語音識別是一門交叉學科。近二十年來，語音識別技術取得顯著進步，開始從實驗室走向市場。人們預計，未來10年內，語音識別技術將進入工業、家電、通信、汽車電子、醫療、家庭服務、消費電子產品等各個領域。語音識別聽寫機在一些領域的應用被美國新聞界評為1997年計算機發展十件大事之一。很多專家都認為語音識別技術是2000年至2010年間信息技術領域十大重要的科技發展技術之一。語音識別技術所涉及的領域包括：信號處理、模式識別、概率論和信息論、發聲機理和聽覺機理、人工智能等等。

根據識別的對象不同，語音識別任務大體可分為3類，即孤立詞識別(isolatedword recognition)，關鍵詞識別(或稱關鍵詞檢出，keyword spotting)和連續語音識別。其中，孤立詞識別的任務是識別事先已知的孤立的詞，如“開機”、“關機”等；連續語音識別的任務則是識別任意的連續語音，如一個句子或一段話；連續語音流中的關鍵詞檢測針對的是連續語音，但它并不識別全部文字，而只是檢測已知的若干關鍵詞在何處出現，如在一段話中檢測“計算機”、“世界”這兩個詞。

根據針對的發音人，可以把語音識別技術分為特定人語音識別和非特定人語音識別，前者只能識別一個或幾個人的語音，而后者則可以被任何人使用。顯然，非特定人語音識別系統更符合實際需要，但它要比針對特定人的識別困難得多。

另外，根據語音設備和通道，可以分為桌面(PC)語音識別、電話語音識別和嵌入式設備(手機、PDA等)語音識別。不同的采集通道會使人的發音的聲學特性發生變形，因此需要構造各自的識別系統。

發明內容

本發明的主要目的在于提供基于多特征匹配的聲紋識別方法及裝置，其將采集到的聲音數據轉換為聲紋，對聲紋進行噪聲分離，再對聲音聲紋波形分別進行情緒空間映射和識別空間映射，分別在兩個空間下得到情緒特征和識別特征，再根據情緒特征和識別特征進行識別，在識別過程中，使用窗函數的方式進行相似部分識別，多特征的識別顯著提升了識別的準確率。

為達到上述目的，本發明的技術方案是這樣實現的：

基于多特征匹配的聲紋識別方法，所述方法執行以下步驟：

步驟1：采集待識別的聲音數據，提取聲音數據的聲紋，生成聲紋的波形，基于生成的聲紋的波形，對聲紋進行噪聲分離；得到聲音區間對應的聲音聲紋波形；

步驟2：對聲音聲紋波形進行基于情緒空間的波形映射，得到情緒空間下的情緒映射波形；再對聲音聲紋波形進行基于識別空間的波形映射，得到識別空間下的識別映射聲紋波形；

步驟3：基于情緒映射波形進行第一次特征分析，得到聲音聲紋波形的情緒特征；基于識別映射波形進行第二次特征分析，得到聲音聲紋波形的識別特征；

步驟4：將識別特征和情緒特征進行特征融合，以得到聲紋波形融合后的特征，將該特征作為待識別目標；

步驟5：對待識別目標進行基于分幀處理，以得到聲紋波形融合后的特征的每一音幀的特征；使用兩個識別樣本對分幀處理后的待識別目標進行匹配識別，通過匹配識別得到相似部分；

步驟6：在兩個樣本中找到相似部分分別對應的內容，對內容取加權平均，完成相似部分的識別；