The invention discloses an identity recognition system, including: feature acquisition module for voiceprint voice signal acquisition of registered users and the recognized user to speech recognition voiceprint feature; feature clustering module, using K improved means clustering method in speech feature of speech signal and all of the registered users. Clustering analysis, output clustering; neural network training module, a neural network for the recognition of speech signal to the voiceprint input trained in determining the ownership of the group; identity recognition module for similarity voiceprints voiceprint template voiceprints respectively calculate the attribution to the recognition of speech signals the groups in the template library and the unknown speech signal, determining the voiceprint recognition of speech signal and the phase of the Like the voiceprint feature template corresponding to the maximum degree for the user to identify the user. The invention has the advantages of small calculation amount, high identification speed and high identification accuracy.
【技术实现步骤摘要】
本专利技术涉及变压器故障诊断领域,具体涉及一种身份识别系统。
技术介绍
现有技术中,对于身份识别的具体方法,许多利用人体本身的特征信号进行身份识别的方法开始进行实用,例如基于指纹的手机解锁技术与门禁系统、基于虹膜识别的身份认证以及基于面部识别的身份认证等等。相关技术中,常见的基于人体特征的身份识别方法为基于模板匹配的方法,其对每个需要识别的用户提取具有代表性的人体特征,通过对比人体特征与不同模板的相似度来确定人体特征合法或不合法。但是,以上身份识别方法存在一个较大的缺点,就是无法建立较大规模的身份识别系统。因为在基于模板匹配的方法中,每次身份识别时需要将待识别人体特征与总模板库中所有人体特征模板进行比较才能判断其是否为合法特征,计算量大。
技术实现思路
针对上述问题,本专利技术提供一种身份识别系统。本专利技术的目的采用以下技术方案来实现:一种身份识别系统,包括特征采集模块、特征聚类模块、神经网络训练模块、身份识别模块;所述特征采集模块用于采集注册用户的语音信号的声纹特征和待识别用户的待识别语音信号的声纹特征;所述特征聚类模块,用于采用改进的K-means聚类方法对所有所述注册用户的语音信号的声纹特征进行聚类分析,输出聚类结果;所述神经网络训练模块,用于将所述聚类结果作为训练样本,采用神经网络计算出每个属性每一层的权值,并得到一个训练好的神经网络,将所述待识别语音信号的声纹特征输入训练好的神经网络中,确定所述待识别语音信号的声纹特征所归属的类群;其中,每个所述类群对应一个模板库,所述模板库包括归属于所述类群的声纹特征模板,每个所述声纹特征模板对应一个用户;所述 ...
【技术保护点】
一种身份识别系统,其特征在于,包括特征采集模块、特征聚类模块、神经网络训练模块、身份识别模块;所述特征采集模块用于采集注册用户的语音信号的声纹特征和待识别用户的待识别语音信号的声纹特征;所述特征聚类模块,用于采用改进的K‑means聚类方法对所有所述注册用户的语音信号的声纹特征进行聚类分析,输出聚类结果;所述神经网络训练模块,用于将所述聚类结果作为训练样本,采用神经网络计算出每个属性每一层的权值,并得到一个训练好的神经网络,将所述待识别语音信号的声纹特征输入训练好的神经网络中,确定所述待识别语音信号的声纹特征所归属的类群;其中,每个所述类群对应一个模板库,所述模板库包括归属于所述类群的声纹特征模板,每个所述声纹特征模板对应一个用户;所述身份识别模块,用于分别计算所述待识别语音信号的声纹特征所归属的类群的模板库中的声纹特征模板与所述待识别语音信号的声纹特征的相似度,确定与所述待识别语音信号的声纹特征的相似度最大的所述声纹特征模板对应的用户为所述待识别用户。
【技术特征摘要】
1.一种身份识别系统,其特征在于,包括特征采集模块、特征聚类模块、神经网络训练模块、身份识别模块;所述特征采集模块用于采集注册用户的语音信号的声纹特征和待识别用户的待识别语音信号的声纹特征;所述特征聚类模块,用于采用改进的K-means聚类方法对所有所述注册用户的语音信号的声纹特征进行聚类分析,输出聚类结果;所述神经网络训练模块,用于将所述聚类结果作为训练样本,采用神经网络计算出每个属性每一层的权值,并得到一个训练好的神经网络,将所述待识别语音信号的声纹特征输入训练好的神经网络中,确定所述待识别语音信号的声纹特征所归属的类群;其中,每个所述类群对应一个模板库,所述模板库包括归属于所述类群的声纹特征模板,每个所述声纹特征模板对应一个用户;所述身份识别模块,用于分别计算所述待识别语音信号的声纹特征所归属的类群的模板库中的声纹特征模板与所述待识别语音信号的声纹特征的相似度,确定与所述待识别语音信号的声纹特征的相似度最大的所述声纹特征模板对应的用户为所述待识别用户。2.根据权利要求1所述的一种身份识别系统,其特征在于,所述身份识别模块用于确定与所述待识别语音信号的声纹特征的相似度最大的所述声纹特征模板对应的用户为所述待识别用户,包括:所述身份识别模块具体用于比较最大的所述相似度与预设阈值的大小;当所述最大的所述相似度大于所述预设阈值时,确定所述相似度最大的声纹特征模板对应的用户为所述待识别用户;否则,提示所述待识别用户不存在的消息。3.根据权利要求1所述的一种身份识别系统,其特征在于,所述神经网络为RBF神经网络,所述RBF神经网络由网络输入和网络输出两部分组成。4.根据权利要求1所述的一种身份识别系统,其特征在于,所述采用改进的K...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。