[發(fā)明專利]一種端到端錄音設(shè)備源識別方法、識別系統(tǒng)、計算機設(shè)備

在審

• 申請?zhí)枺?/td>: 202111313782.0
• 申請日: 2021-11-08
• 公開（公告）號: CN114067831A
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計）人: 曾春艷;馮世雄;王志鋒;孔帥;余琰;夏詩言
• 申請（專利權(quán)）人: 湖北工業(yè)大學(xué)
• 主分類號: G10L25/24
• 分類號: G10L25/24;G10L25/30;G10L25/51;G06N3/04;G06N3/08
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401
• 代理人: 張曉博

1.一種基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法，其特征在于，所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法包括：

按時序分幀提取數(shù)字音頻中的梅爾倒譜系數(shù)作為設(shè)備源特征，再劃分為時序特征片段分別提取高斯均值矩陣，得到時序高斯均值矩陣(Sequential Gaussian Mean Matrix，SGMM)特征；

利用卷積神經(jīng)網(wǎng)絡(luò)對時序高斯均值矩陣特征進行深度表示學(xué)習(xí)，提取深度瓶頸特征；通過雙向長短期記憶神經(jīng)網(wǎng)絡(luò)提取深度時序瓶頸特征中的時域特性，進行錄音設(shè)備源的識別分類。

2.如權(quán)利要求1所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法，其特征在于，所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法包括以下步驟：

步驟一，提取錄音設(shè)備源信號中的梅爾倒譜系數(shù)MFCC特征，并將每條音頻數(shù)據(jù)保留相同幀數(shù)的MFCC特征；

步驟二，利用MFCC特征訓(xùn)練建立高斯混合通用背景模型即GMM-UBM模型，將MFCC特征分段后由GMM-UBM模型提取時序高斯均值矩陣；

步驟三，利用構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)進行深度表示學(xué)習(xí)，從時序高斯均值矩陣提取深度瓶頸特征，并保留時序高斯均值矩陣特征的時序結(jié)構(gòu)；

步驟四，進行設(shè)備源識別網(wǎng)絡(luò)時序建模，構(gòu)建基于雙向長短期記憶神經(jīng)網(wǎng)絡(luò)的分類模型，利用所述分類模型基于提取的深度瓶頸特征進行錄音設(shè)備源的識別分類。

3.如權(quán)利要求2所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法，其特征在于，所述提取錄音設(shè)備源信號中的梅爾倒譜系數(shù)MFCC特征，并將每條音頻數(shù)據(jù)保留相同幀數(shù)的MFCC特征包括：

對錄音設(shè)備源信號分幀加窗進行預(yù)處理；對錄音設(shè)備源信號進行快速傅里葉變換，并利用一組Mel尺度的三角濾波器組將得到的幅值譜信號進行Mel濾波；

計算每個濾波器組輸出的對數(shù)幅度譜，并進行離散余弦變換得到MFCC特征,每條錄音數(shù)據(jù)保留前n幀的MFCC特征。

4.如權(quán)利要求3所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法，其特征在于，所述對錄音設(shè)備源信號分幀加窗進行預(yù)處理包括：幀長取256ms，并以幀長的1/2作為幀移，使用漢明窗函數(shù)進行加窗。

5.如權(quán)利要求2所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法，其特征在于，步驟二中，所述利用MFCC特征訓(xùn)練建立高斯混合通用背景模型即GMM-UBM模型，將MFCC特征分段后由GMM-UBM模型提取時序高斯均值矩陣包括：

利用多種錄音設(shè)備的錄音數(shù)據(jù)訓(xùn)練一個高斯數(shù)為n的對角協(xié)方差通用背景模型即UBM模型，得到n個高斯混合的權(quán)重系數(shù)矩陣、均值矩陣和協(xié)方差矩陣；利用最大后驗估計算法針對訓(xùn)練數(shù)據(jù)中的每個設(shè)備的特征向量，對通用背景模型自適應(yīng)得到特定設(shè)備源的GMM模型；

將提取到的MFCC特征均切分為t個連續(xù)特征片段，由GMM-UBM模型提取GMM的均值矩陣，將每個GMM的n個均值矩陣依次連接為總長度為n×輸入MFCC維度的均值矩陣，即時序高斯均值矩陣特征。

6.如權(quán)利要求2所述基于時序超矢量表示學(xué)習(xí)的端到端錄音設(shè)備源識別方法，其特征在于，步驟三中，所述利用構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)進行深度表示學(xué)習(xí)，從時序高斯均值矩陣提取深度瓶頸特征，并保留時序高斯均值矩陣特征的時序結(jié)構(gòu)包括：

構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)進行深度表示學(xué)習(xí)，利用高斯均值矩陣特征訓(xùn)練網(wǎng)絡(luò)模型并測試；

將訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型進行深度瓶頸特征的提取，并以高斯均值矩陣特征的時序結(jié)構(gòu)形式保存。