[发明专利]一种基于时延神经网络TDNN的声纹识别方法在审
| 申请号： | 201910323405.1 | 申请日： | 2019-04-22 |
| 公开（公告）号： | CN110120223A | 公开（公告）日： | 2019-08-13 |
| 发明（设计）人： | 司马华鹏;唐翠翠 | 申请（专利权）人： | 南京硅基智能科技有限公司 |
| 主分类号： | G10L17/18 | 分类号： | G10L17/18;G10L17/02;G10L17/04 |
| 代理公司： | 江苏舜点律师事务所 32319 | 代理人： | 徐旭栋 |
| 地址： | 210012 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 时延神经网络 声纹识别 特征向量 语音段 技术方案要点 声纹识别算法 转录 后验概率 神经网络 损失函数 特征提取 训练数据 交叉熵 池化 | ||
1.一种基于时延神经网络TDNN的声纹识别方法，其特征在于，包括以下步骤：（1）收集说话人语音段X1、X2、...XT，向TDNN中输入说话人语音段X1、X2、...XT，T为正整数，TDNN每次取任意帧数；
（2）池化层将TDNN语音段的每个输出向量集合，获取所述集合的均值和标准差作为所述池化层输出的特征向量P；
（3）所述池化层之后连接至少两层全连接层，所述全连接层之后为softmax层，所述特征向量P输入到所述全连接层集合后再输入至softmax层，softmax层的输出为每个说话人的后验概率，即；
（4）将所述后验概率用于训练的损失函数，训练完成后，去掉所述softmax层，导出每段语音的特征向量S，用所述特征向量S训练PLDA模型，使用所述PLDA模型完成声纹识别。
2.如权利要求1所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，所述后验概率用于训练的损失函数的交叉熵为：，其中，n为要输入TDNN的语音，k为各个说话人，所述dnk的值为1或0。
3.如权利要求1所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，所述说话人语音段X1、X2、...XT为20维梅尔频率倒谱系数特征，且其帧长为25ms，帧移为10ms。
4.如权利要求3所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，所述说话人语音段在3s内进行归一化处理。
5.如权利要求1所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，所述全连接层为两层。
6.如权利要求2所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，当且仅当所述语音n的标记为说话人k时，dnk的值为1。
7.如权利要求1所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，对所述特征向量S进行归一化处理，归一化处理完成后训练PLDA模型。
8.如权利要求1所述的一种基于时延神经网络TDNN的声纹识别方法，其特征在于，所述步骤（4）中的PLDA模型训练完成后对其进行归一化处理。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京硅基智能科技有限公司，未经南京硅基智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910323405.1/1.html，转载请声明来源钻瓜专利网。
