[发明专利]声纹识别算法评估方法、系统、移动终端及存储介质

权利要求书

1.一种声纹识别算法评估方法，其特征在于，所述方法包括：

获取情绪样本声纹的声纹主频率，根据所述声纹主频率对采集到的样本声纹信号进行情绪因子分离，并根据分离后的所述样本声纹信号训练情绪分类器；

获取真假音声纹样本训练假音分类器，并获取声纹测试样本进行频率提取，以得到幅频信息；

根据所述幅频信息计算所述声纹测试样本的音量比，并将所述音量比与对应所述声纹测试样本进行存储，以得到音量比数据库；

控制待测试声纹识别算法对所述声纹测试样本对进行测试，并控制所述情绪分类器、所述假音分类器和所述音量比数据库对所述待测试声纹识别算法中识别失败的样本进行分类评估，以得到评估结果。

2.如权利要求1所述的声纹识别算法评估方法，其特征在于，所述获取情绪样本声纹的声纹主频率的步骤包括：

构建发声滤波器，并根据所述发声滤波器对所述情绪样本声纹进行滤波处理；

获取所述情绪样本声纹的频谱峰值，并根据所述频谱峰值查询所述声纹主频率。

3.如权利要求1所述的声纹识别算法评估方法，其特征在于，所述获取真假音声纹样本训练假音分类器的步骤包括：

获取采集对象在正常发音状态下和假音发音状态下的发音声纹样本，并对所述发音声纹样本进行真假音标记，以得到所述真假音声纹样本；

构建所述假音分类器，并根据所述真假音声纹样本对所述假音分类器进行训练。

4.如权利要求1所述的声纹识别算法评估方法，其特征在于，所述根据所述幅频信息计算所述声纹测试样本的音量比的步骤包括：

计算所述幅频信息中的幅频值与短时声纹信号的0频幅频之间的比值，以得到所述音量比。

5.如权利要求1所述的声纹识别算法评估方法，其特征在于，所述控制所述情绪分类器、所述假音分类器和所述音量比数据库对所述待测试声纹识别算法中识别失败的样本进行分类评估的步骤包括：

控制所述情绪分类器对所述失败的样本进行情绪分类，并根据情绪分类结果计算各个情绪场景所对应的失败数量；

控制所述假音分类器对所述失败的样本进行真假音分类，并根据真假音分类结果分别计算真实音和虚假音所对应的失败数量；

控制所述音量比数据库对所述失败的样本进行音量分类，并根据音量分类结果计算各个音量段范围所对应的失败数量。

6.如权利要求5所述的声纹识别算法评估方法，其特征在于，所述控制所述情绪分类器、所述假音分类器和所述音量比数据库对所述待测试声纹识别算法中识别失败的样本进行分类评估的步骤还包括：

当判断到任一所述情绪场景所对应的失败数量大于第一预设数量时，则判定所述待测试声纹识别算法对所述情绪场景对应的情绪状态下的声纹识别不合格；

当判断到所述真实音所对应的失败数量大于第二预设数量时，则判定所述待测试声纹识别算法对正常发音状态下的声纹识别不合格；

当判断到所述虚假音所对应的失败数量大于第三预设数量时，则判定所述待测试声纹识别算法对假音发音状态下的声纹识别不合格；

当判断到任一所述音量段范围所对应的失败数量大于第四预设数量时，则判定所述待测试声纹识别算法对所述音量段范围内的声纹识别不合格。

7.如权利要求5所述的声纹识别算法评估方法，其特征在于，所述方法还包括：

根据各个所述情绪场景所对应的失败数量以绘制情绪状态评估曲线，所述情绪状态评估曲线的横坐标为所述情绪场景，纵坐标为所述情绪场景对应的失败数量，所述情绪场景包括正常情绪、大笑情绪、伤心情绪和沮丧情绪；

根据所述真实音和所述虚假音所对应的失败数量以绘制真假音评估曲线；

根据各个所述音量段范围所对应的失败数量以绘制音量段评估曲线。