【技术实现步骤摘要】
本专利技术属于声纹识别，具体涉及一种基于dw-metaformer轻量级神经网络模型的说话人识别方法。
技术介绍
1、说话人识别，又称声纹识别，其研究目标是根据每个说话人的独特发音进行身份认证。说话人识别作为生物识别中的一种远程认证方式，具有方便性、准确性、经济性等优势，引起了社会的广泛关注，在取证、监视、访问控制和家用电子产品中都有应用。
2、近年来，随着深度学习的发展，深度学习(deep learning)和深度神经网络(dnn)在不同领域中得到了成功的应用，语音识别技术取得了极大的发展，但说话人识别技术仍然是一项具有挑战性的任务。现代说话人识别很大程度上依赖于基于低频倒谱系数(mfcc)特征训练的深度神经网络，mfcc是由特定时频表示的功率谱获得的短期傅里叶变换(stft)，在提取中具有方差较大以及部分共振峰相关信息缺失的问题，直接应用于dnn模型中，参数中包含大量的语义信息会淹没了说话人的个性信息，无法获得更好的说话人识别性能。
3、因此，基于现实应用的需求，寻找一种能够代替mfcc特征提取、更好地代表说话人个性信息的特征参数，同时实现说话人识别模型的轻量化，成为亟待解决的问题。
技术实现思路
1、鉴于此，本专利技术的目的在于提供一种基于dw-metaformer轻量级神经网络模型的说话人识别方法，以实现更好的说话人识别性能。
2、本专利技术的技术方案是：一种基于dw-metaformer轻量级神经网络模型的说话人识别方法，包括如下步骤：
3、s1：采集语音信号，并对所述语音信号进行预处理操作；
4、s2：针对预处理后的语音信号，提取短期幅度功率谱的语音特征并进行融合，其中，提取的语音特征包括梅尔倒谱系数特征、谱质心幅度系数特征和多锥谱估计特征；
5、s3：构建gmm模型，并输入所述融合特征，获取gmm统计特征；
6、s4：构建dw-metaformer轻量级神经网络模型，输入所述gmm统计特征，使用aam-softmax损失函数训练模型参数，并进行奇异值分解处理，得到低秩化dw-metaformer训练模型；
7、s5：构建虚拟教师知识蒸馏模型，并利用所述虚拟教师知识蒸馏模型对所述低秩化dw-metaformer训练模型进行知识迁移；
8、s6：使用基于软检测的代价函数训练nplda后端模型，得到训练好的nplda后端模型；
9、s7：利用训练好的低秩化dw-metaformer模型和训练好的nplda后端模型识别待识别的语音，得到识别结果。
10、优选，s1中，所述预处理包括采样、量化、预加重处理和加窗四个部分。
11、进一步优选，s2中，所述融合使用等权重线性分数融合方式。
12、进一步优选，s3具体包括如下步骤：
13、s31：使用所述融合特征训练得到ubm模型；
14、s32：使用所述ubm模型并利用map算法构建gmm模型，获取gmm统计参数。
15、进一步优选，s4具体包括如下步骤：
16、s41：构建dw-metaformer轻量级神经网络模型，所述模型包含densenet模块、maxpoolformer模块、window-msa模块和池化全连接层；
17、其中，densenet模块由三层具有大卷积核的深度可分离卷积组成，采用densnet结构；
18、maxpoolformer模块包含两层metaformer模块，模块中使用最大池化作为池化算子替代transformer中的注意力模块；
19、window-msa模块由一层包含多头注意力的transformer构成，在transformer基础上添加了分窗处理以及去除了位置信息编码；
20、池化全连接层包含全局池化层和全连接层；
21、s42：将所述gmm统计特征输入到所述dw-metaformer轻量级神经网络模型，使用aam-softmax损失函数对所述dw-metaformer轻量级神经网络模型进行训练，得到dw-metaformer训练模型；
22、s43：对所述dw-metaformer训练模型的权值矩阵进行奇异值分解，权重矩阵由式(8)分解为式(9)：
23、y＝φ(wxt) (8)
24、y＝φ((wawb)xt) (9)
25、式中，φ为非线性激活函数，wa和wb为w的低秩表示；
26、s44：对奇异值分解后的dw-metaformer训练模型进行调参与优化，直到收敛，得到低秩化dw-metaformer训练模型。
27、进一步优选，s5具体包括如下步骤：
28、s51：手动设计一个有百分之百正确率的tf_dw-metaformer虚拟教师模型，将aam-softmax加入交叉熵函数，输出类别的概率分布设置为：
29、
30、式中，c代表正确的标签，α为类比正确的概率，z表示总类别数，通过软知识蒸馏，pd分布通过t软化为
31、虚拟教师知识蒸馏模型总的损失函数表示为式(11)，其中，h(q,p)表示原始损失函数，表示为式(12)：
32、
33、h(q,p)＝ce+aam (12)
34、式中，q为真实事件类别的概率分布，p为输出类别的概率分布，dkl为kl散度损失函数；
35、s52：通过学习虚拟教师知识蒸馏模型，进行知识迁移，对低秩化dw-metaformer训练模型进一步训练。
36、进一步优选，s6具体包括如下步骤：
37、s61：构建nplda后端模型：将lda的预处理步骤构造为第一仿射层，将单位长度归一化构造为非线性激活，将plda的定心和对角化构造为另一种仿射变换，计分时，使用一对x向量，一个来自记录ηe的注册者，一个来自记录ηt的测试者，与预先训练的plda模型一起计算对数似然比，得分可由式(13)计算得到，其中，q由式(14)计算得到，p由式(15)计算得到。
38、
39、
40、
41、式中，∑tot＝φφt+∑，∑ac＝φφt，φ表示说话人(注册者/测试者)的子空间矩阵。
42、s62：训练nplda后端模型进行说话人识别：对代表目标和非目标假设的dw-metaformer模型输出向量进行采样，将软检测代价作为代价函数，使用随机抽样的方法来训练所述nplda后端模型，损失函数为：
43、
44、式中，θ是作为模型参数时使lprimary最小化的阈值，β是一个基于应用程序的权重，定义为：
45、
4本文档来自技高网...
【技术保护点】
1.一种基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于，包括如下步骤：
2.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S1中，所述预处理包括采样、量化、预加重处理和加窗四个部分。
3.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S2中，所述融合使用等权重线性分数融合方式。
4.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S3具体包括如下步骤：
5.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S4具体包括如下步骤：
6.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S5具体包括如下步骤：
7.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S6具体包括如下步骤：>
8.按照权利要求1所述的基于DW-Metaformer轻量级神经网络模型的说话人识别方法，其特征在于：S7具体包括如下步骤：
...【技术特征摘要】
1.一种基于dw-metaformer轻量级神经网络模型的说话人识别方法，其特征在于，包括如下步骤：
2.按照权利要求1所述的基于dw-metaformer轻量级神经网络模型的说话人识别方法，其特征在于：s1中，所述预处理包括采样、量化、预加重处理和加窗四个部分。
3.按照权利要求1所述的基于dw-metaformer轻量级神经网络模型的说话人识别方法，其特征在于：s2中，所述融合使用等权重线性分数融合方式。
4.按照权利要求1所述的基于dw-metaformer轻量级神经网络模型的说话人识别方法，其特征在于：s3具体包括...
【专利技术属性】
技术研发人员：张德园，刘晓洁，石祥滨，范纯龙，院老虎，
申请(专利权)人：沈阳航空航天大学，
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。