[发明专利]一种基于后端模型的声纹识别优化方法和相关装置有效
| 申请号： | 201911303022.4 | 申请日： | 2019-12-17 |
| 公开（公告）号： | CN111028847B | 公开（公告）日： | 2022-09-09 |
| 发明（设计）人： | 郑颖龙;赖蔚蔚;吴广财;郑杰生;高尚;林嘉鑫;周昉昉 | 申请（专利权）人： | 广东电网有限责任公司;广东电力信息科技有限公司 |
| 主分类号： | G10L17/06 | 分类号： | G10L17/06;G10L25/24;G06K9/62 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 黄忠 |
| 地址： | 510600 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 后端 模型 声纹 识别 优化 方法 相关 装置 | ||
1.一种基于后端模型的声纹识别优化方法，其特征在于，包括：
构建声纹识别PLDA模型，所述声纹识别PLDA模型的目标函数为和分别为方差矩阵Φb和方差矩阵Φw的逆矩阵，λ和β为超级参数；
提取目标语音数据中的梅尔频率倒谱系数特征；
基于高维向量提取模型从梅尔频率倒谱系数特征中提取预置长度的高维特征向量；
将对目标语音数据进行特征向量提取后得到的高维特征向量输入到声纹识别PLDA模型中进行声纹识别。
2.根据权利要求1所述的基于后端模型的声纹识别优化方法，其特征在于，所述提取所述目标语音数据中的梅尔频率倒谱系数特征，之前还包括：
对所述目标语音数据进行预处理，剔除无效语音数据。
3.根据权利要求2所述的基于后端模型的声纹识别优化方法，其特征在于，所述对所述目标语音数据进行预处理，剔除无效语音数据，包括：
基于时频分析的方法对所述目标语音数据进行分段；
基于高斯混合模型判断每一段语音数据是否属于无效语音数据，若是，则将无效语音数据剔除。
4.一种基于后端模型的声纹识别优化装置，其特征在于，包括：
建模模块，用于构建声纹识别PLDA模型，所述声纹识别PLDA模型的目标函数为和分别为方差矩阵Φb和方差矩阵Φw的逆矩阵，λ和β为超级参数；
识别模块，用于：
提取目标语音数据中的梅尔频率倒谱系数特征；
基于高维向量提取模型从梅尔频率倒谱系数特征中提取预置长度的高维特征向量；
将对目标语音数据进行特征向量提取后得到的高维特征向量输入到声纹识别PLDA模型中进行声纹识别。
5.根据权利要求4所述的基于后端模型的声纹识别优化装置，其特征在于，还包括：
预处理模块，用于对所述目标语音数据进行预处理，剔除无效语音数据。
6.根据权利要求5所述的基于后端模型的声纹识别优化装置，其特征在于，所述预处理模块具体用于：
基于时频分析的方法对所述目标语音数据进行分段；
基于高斯混合模型判断每一段语音数据是否属于无效语音数据，若是，则将无效语音数据剔除。
7.一种基于后端模型的声纹识别优化设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-3任一项所述的基于后端模型的声纹识别优化方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-3任一项所述的基于后端模型的声纹识别优化方法。
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广东电网有限责任公司;广东电力信息科技有限公司，未经广东电网有限责任公司;广东电力信息科技有限公司许可，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/201911303022.4/1.html，转载请声明来源钻瓜专利网。
