[發(fā)明專利]基于改進(jìn)Synth2Aug的配網(wǎng)調(diào)度員身份驗證方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110896813.3
• 申請日: 2021-08-05
• 公開（公告）號: CN113488061A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計）人: 楊梓俊;荊江平;孫昕杰;張劉冬;吳海洋;王黎明;楊明;申張亮;鄧晨;趙帥;蔣雪冬
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司
• 主分類號: G10L17/08
• 分類號: G10L17/08;G10L17/04
• 代理公司: 南京行高知識產(chǎn)權(quán)代理有限公司 32404
• 代理人: 李曉

本發(fā)明公開了一種基于改進(jìn)Synth2Aug的配網(wǎng)調(diào)度員身份驗證方法及系統(tǒng)，根據(jù)給定調(diào)度指令關(guān)鍵詞，利用不同MTTG模型形成不同調(diào)度文本指令；利用文本語音轉(zhuǎn)化模塊將調(diào)度文本指令轉(zhuǎn)化為虛擬調(diào)度指令語音；將調(diào)度人員原始錄音采樣樣本按照一定比例分為調(diào)度人員訓(xùn)練語音和調(diào)度人員測試語音；將虛擬調(diào)度指令語音與調(diào)度人員訓(xùn)練語音進(jìn)行混合，形成聲紋識別模型訓(xùn)練樣本，對調(diào)度人員聲紋識別模型進(jìn)行訓(xùn)練；利用調(diào)度人員測試語音樣本對模型進(jìn)行測試，輸出調(diào)度人員身份認(rèn)證結(jié)果。本發(fā)明在調(diào)度人員語音樣本較少的情況下生成多個調(diào)度人員虛擬指令語音，與真實原始指令語音一起實現(xiàn)聲紋模型訓(xùn)練，且多個虛擬指令語音樣本之間滿足“主體意思一致、表達(dá)方式不同”的原則，與現(xiàn)場工況情景相同。

技術(shù)領(lǐng)域

本發(fā)明涉及配電網(wǎng)調(diào)度領(lǐng)域，尤其涉及一種基于改進(jìn)Synth2Aug的配網(wǎng)調(diào)度員身份驗證方法及系統(tǒng)。

背景技術(shù)

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，調(diào)度機(jī)構(gòu)管轄的電力設(shè)備越來越多，調(diào)度人員更換交接頻繁，為了保證電網(wǎng)調(diào)度安全，需要對調(diào)度人員的身份進(jìn)行驗證。目前電網(wǎng)調(diào)度雙方人員通過互相通報姓名方式實現(xiàn)身份認(rèn)證，很容易造成外部人員冒名頂替的安全隱患。為了保證調(diào)度系統(tǒng)安全，現(xiàn)有研究文獻(xiàn)提出利用深度學(xué)習(xí)模型對調(diào)度雙方進(jìn)行聲紋識別的策略。但在電網(wǎng)調(diào)度工作中，省調(diào)或市調(diào)部門調(diào)度人員的數(shù)量較少，且每人能提供的采樣樣本有限，無法滿足深度學(xué)習(xí)模型的需要。

針對以上問題，本發(fā)明在現(xiàn)有Synth2Aug技術(shù)基礎(chǔ)上，提出一種基于改進(jìn)Synth2Aug的配網(wǎng)調(diào)度員身份驗證方法，進(jìn)行配網(wǎng)調(diào)度人員聲紋識別，從而提高調(diào)度人員身份認(rèn)證的精準(zhǔn)度。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明的目的在于，提供一種基于改進(jìn)Synth2Aug的配網(wǎng)調(diào)度員身份驗證方法及系統(tǒng)，根據(jù)調(diào)度指令關(guān)鍵詞自生成調(diào)度人員虛擬指令語音，與真實原始語音一起實現(xiàn)對聲紋模型的訓(xùn)練，進(jìn)行配網(wǎng)調(diào)度人員聲紋識別，從而提高調(diào)度人員身份認(rèn)證的精準(zhǔn)度。

為實現(xiàn)本發(fā)明的目的，本發(fā)明所采用的技術(shù)方案是：

一種基于改進(jìn)Synth2Aug的配網(wǎng)調(diào)度員身份驗證方法，所述方法包括步驟：

(1)給定一組調(diào)度指令關(guān)鍵詞；

(2)根據(jù)給定的調(diào)度指令關(guān)鍵詞，利用不同的MTTG模型形成不同的調(diào)度文本指令；

(3)利用文本語音轉(zhuǎn)化模塊將步驟(2)得到的調(diào)度文本指令轉(zhuǎn)化為虛擬調(diào)度指令語音；

(4)將調(diào)度人員原始錄音采樣樣本按照一定比例分為調(diào)度人員訓(xùn)練語音和調(diào)度人員測試語音；

(5)將虛擬調(diào)度指令語音與調(diào)度人員訓(xùn)練語音進(jìn)行混合，形成聲紋識別模型的整體訓(xùn)練樣本，對調(diào)度人員聲紋識別模型進(jìn)行訓(xùn)練；

(6)模型訓(xùn)練成功后，利用調(diào)度人員測試語音樣本對模型進(jìn)行測試；輸出調(diào)度人員身份認(rèn)證結(jié)果，確定調(diào)度人員身份驗證是否成功。

進(jìn)一步地，所述步驟(2)中，MTTG_1模型使用雙向LSTM作為核心模塊，生成調(diào)度文本指令，使用修飾成分較少；MTTG_2模型使用GRU作為核心模塊，生成調(diào)度文本指令，使用相應(yīng)的修飾成分。

進(jìn)一步地，所述步驟(3)中，文本語音轉(zhuǎn)化模塊采用Tacotron2模型實現(xiàn)，將調(diào)度文本指令作為模型的輸入，輸出調(diào)度人員虛擬調(diào)度指令語音。

進(jìn)一步地，所述步驟(4)中，將調(diào)度人員原始錄音采樣樣本按照7:3比例分為調(diào)度人員訓(xùn)練語音和調(diào)度人員測試語音。