【技术实现步骤摘要】
基于多尺度SincNet和CGAN的端到端说话人辨认方法
[0001]本专利技术属于说话人辨认
,特别涉及一种基于多尺度SincNet和CGAN的端到端说话人辨认方法。
技术介绍
[0002]说话人辨认(Speaker Identification,SI)是生物识别技术的一种,它可以根据某段语音从若干已知说话人中辨别是谁在说话,对应于一对多的选择关系。这种任务对人类来说具有很大的挑战性。说话人辨认被广泛应用于众多领域中,主要原因是声纹具有易采集、非接触、特征稳定等优势。随着深度学习的发展,深度神经网络在特征提取和模型分类方面表现突出,为说话人辨认技术的进一步发展指明了新方向。最近,提出的多种识别模型实现了相当高的准确度,但在实际工业应用中仍面临一些挑战。例如,在实际应用中遇到的短话语识别、方言识别、无序语音识别等问题。短语音由于不能提取出充足的区分性信息导致SI系统的鲁棒性变差。另外,在有限训练数据约束下,由于无法提取更多有效的说话人特征参数导致过拟合现象发生。特别地,基于深度神经网络的数据驱动建模方法需要海量的训练数据。但是受实际环境的限制,不易获取用户较多的语音数据,无法提取充足的代表说话人特征的信息。
[0003]传统的说话人辨认实现过程复杂、识别率低,其过程包括语音信号预处理、声学特征提取、分类模型构建和学习模型评价。一般地,建立和应用一个说话人辨认系统需要经历两个阶段,即训练阶段和测试阶段。然而无论是训练还是测试,都需要首先对输入原始信号进行预处理并进行特征提取。在特征提取方面,人们大多数尝试 ...
【技术保护点】
【技术特征摘要】
1.基于多尺度SincNet和CGAN的端到端说话人辨认方法,其特征在于,包括如下步骤:步骤1.对输入的原始语音信号进行语音分帧预处理操作,得到语音帧,将语音帧作为真实语音样本;将真实语音样本分为训练样本和测试样本,分别用于模型训练和模型测试;步骤2.搭建说话人辨认模型SincGAN;说话人辨认模型SincGAN由生成器网络以及鉴别器网络组成;生成器网络包括一个多尺度SincNet层、三个卷积层、两个转置卷积层和一个自适应平均池化层;定义生成器网络中的多尺度SincNet层为第一多尺度SincNet层;定义生成器网络中的三个卷积层分别为第一、第二、第三卷积层,两个转置卷积层分别为第一、第二转置卷积层;真实语音样本在生成器网络中的处理流程如下:真实语音样本首先经过第一多尺度SincNet层进行特征提取,得到语音信号的二维特征,然后语音信号的二维特征依次经过第一卷积层、第二卷积层、第一转置卷积层、第二转置卷积层、第三卷积层以及自适应平均池化层,生成虚假语音样本;鉴别器网络包括一个多尺度SincNet层、五个卷积层、三个瓶颈式残差块堆叠层和四个全连接层;定义鉴别器网络中的多尺度SincNet层为第二多尺度SincNet层;定义鉴别器网络中的五个卷积层分别为第四、第五、第六、第七以及第八卷积层;定义鉴别器网络中的三个瓶颈式残差块堆叠层分别为第一、第二以及第三瓶颈式残差块堆叠层,四个全连接层分别为第一、第二、第三以及第四全连接层;真实语音样本和虚假语音样本在鉴别器网络中的处理流程如下:真实语音样本和虚假语音样本首先经过第二多尺度SincNet层进行特征提取,得到语音信号的二维特征,然后语音信号的二维特征依次经过第四卷积层、第一瓶颈式残差块堆叠层、第五卷积层、第二瓶颈式残差块堆叠层、第六卷积层、第二瓶颈式残差块堆叠层、第七卷积层、第八卷积层、第一全连接层以及第二全连接层;第二全连接层的输出分为两路,一路经过第三全连接层输出真/假标志,另一路经过第四全连接层输出N维向量,分别对应于真实语音样本的说话人类别标签;鉴别器网络输出的N维向量输入到Softmax函数中,通过将输出的向量映射到概率分布上,将最大概率预测类别的说话人类别标签作为预测输出;步骤3.利用步骤1中的训练样本对步骤2搭建的说话人辨认模型SincGAN进行训练,通过反向传播优化说话人辨认模型的参数以最小化目标函数,得到训练好的说话人辨认模型SincGAN,并利用测试样本对训练好的说话人辨认模型SincGAN进行测试;步骤4.利用训练好的SincGAN对给定的语音信号进行预测,输出对应的说话人标签。2.根据权利要求1所述的端到端SincGAN说话人辨认方法,其特征在于,所述第一多尺度SincNet、第二多尺度SincNet的结构相同;每个多尺度SincNet由层归一化以及三个不同的平行分支组成;每个平行分支上分别包括一个SincNet层、一个批量归一化层以及一个一维自适应平均池化层;各个平行分支上的SincNet层中的滤波器分别具有不同的内核长度;语音帧在多尺度SincNet上的特征提取过程如下:
首先,语音帧经过层归一化,再进入三个平行分支的SincNet滤波器,分别学习不同频率分辨率的说话人特征图;然后,各...
【专利技术属性】
技术研发人员:魏光村,张艳娜,郭泊言,闵航,许云飞,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:
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。