[发明专利]一种声纹识别方法、装置、终端设备及存储介质

权利要求书

1.一种声纹识别方法，其特征在于，所述声纹识别方法包括：

获取数据库中每个坐席员的呼叫权限，并根据预设的权限分组方式，将每个所述坐席员分配到所述呼叫权限对应的分组中；

针对每个所述分组，对该分组中的每个所述坐席员进行声纹特征采集，得到该分组的基础声纹特征集；

对每个所述基础声纹特征集中的声纹特征进行训练，得到每个所述基础声纹特征集的综合声纹特征，并基于所述分组、所述呼叫权限和所述综合声纹特征之间的声纹对应关系，构建动态声纹识别模型；

若检测到待识别坐席员的呼叫操作，则获取被呼叫客户的客户级别和所述待识别坐席员的语音数据，并对所述语音数据进行声纹特征提取，得到目标声纹特征；

基于所述动态声纹识别模型，对所述目标声纹特征进行识别，确定所述待识别坐席员的呼叫权限；

若所述待识别坐席员的呼叫权限不满足所述客户级别的要求，则执行预设的预警处理措施；

其中，所述对每个基础声纹特征集中的声纹特征进行训练，得到每个基础声纹特征集的综合声纹特征，所采用的训练方式包括：

基于神经网络方法的遗传算法的改进算法，通过将每个分组作为一个群体，分组中的每个坐席员的声纹特征作为一条染色体，通过使用遗传算法来进行初始化编码、个体评价、选择、交叉和变异，进而得到该分组的综合声纹特征；

所述基于所述分组、所述呼叫权限和所述综合声纹特征之间的声纹对应关系，构建动态声纹识别模型，包括：

基于所述坐席员的所述呼叫权限与所述坐席员被分配到的所述分组之间的对应关系，以及所述坐席员所属的分组对应的基础声纹特征集的综合声纹特征与该分组之间的对应关系，建立动态声纹识别模型；所述动态声纹识别模型用于对目标声纹特征进行识别，以判断该目标声纹特征对应的分组，进而确定与该分组对应的待识别坐席员的呼叫权限。

2.如权利要求1所述的声纹识别方法，其特征在于，所述针对每个所述分组，对该分组中的每个所述坐席员进行声纹特征采集，得到该分组的基础声纹特征集，包括：

针对每个所述分组中的每个所述坐席员，获取该坐席员对预设的多个不同语料进行朗读的录音样本，并对所述录音样本进行声纹解析，得到该坐席员的初始声纹样本；

对所述初始声纹样本进行预加重处理，生成具有平坦频谱的加重处理声纹样本；

采用分帧和加窗的方式，对所述加重处理声纹样本进行分帧处理，得到初始语音帧；

对所述初始语音帧信号进行静默音分离，得到目标语音帧；

基于所述目标语音帧，提取声纹特征；

在每个所述分组中，将该分组中每个所述坐席员的所述声纹特征组成该分组的所述基础声纹特征集。

3.如权利要求2所述的声纹识别方法，其特征在于，所述基于所述目标语音帧，提取声纹特征，包括：

使用莱文森-德宾算法对所述目标语音帧的预测误差的计算公式(F1)中的线性预测系数进行预测，并根据预测结果确定目标线性预测系数a’₁，a’₂，...，a’_p：

其中，e(n)为所述预测误差，为所述目标语音帧序列的预测值，n为所述目标语音帧序列包含的总点数，s(n-i)为所述目标语音帧序列在前n-i个点的取值总和，a_i为所述目标语音帧序列中第i点的线性预测系数，p为预设的线性预测的阶数，i∈[1,p]，n为正整数；

根据所述目标线性预测系数，按照公式(F2)计算所述目标语音帧的线性预测倒谱系数，并将所述线性预测倒谱系数作为所述声纹特征：

其中，为所述线性预测倒谱系数；k为目标语音帧序列中的第k点，k为正整数，k∈[1,p]；a’_k为目标语音帧序列中的第k点的目标线性预测系数。