[发明专利]原始语音的声纹识别方法、装置、设备及存储介质有效

专利信息
申请号: 202010351208.3 申请日: 2020-04-28
公开(公告)号: CN111524525B 公开(公告)日: 2023-06-16
发明(设计)人: 郭跃超;谯轶轩;唐义君;王俊;高鹏;谢国彤 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G10L17/02 分类号: G10L17/02;G10L17/06;G10L17/18
代理公司: 北京市京大律师事务所 11321 代理人: 于亭
地址: 518033 广东省深圳市福田区福*** 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: 原始 语音 声纹 识别 方法 装置 设备 存储 介质
【权利要求书】:

1.一种原始语音的声纹识别方法,其特征在于,所述原始语音的声纹识别方法包括:

获取原始语音数据,按照预设时间长度对所述原始语音数据进行分割处理,得到分段语音数据;

通过预置的卷积滤波器组对所述分段语音数据进行咬尾卷积处理和离散傅里叶变换处理,得到与所述分段语音数据对应的声纹特征数据;

通过预置深度神经网络对与所述分段语音数据对应的声纹特征数据进行池化处理,得到目标声纹特征;

对所述目标声纹特征进行嵌入向量转换处理,得到对应的声纹特征向量;

通过预置的损失函数对所述声纹特征向量进行计算处理,得到目标声纹数据,所述损失函数包括余弦相似度矩阵损失函数和最小均方误差矩阵损失函数。

2.根据权利要求1所述的原始语音的声纹识别方法,其特征在于,所述获取原始语音数据,按照预设时间长度对所述原始语音数据进行分割处理,得到分段语音数据,包括:

获取原始语音数据,对所述原始语音数据进行基于语音信号能量和过零率的断点检测,获得候选语音数据;

对所述候选语音数据进行信道检测和信道分类,得到与分类后的各信道对应的语音数据;

按照预设时间长度,对与分类后的各信道对应的语音数据进行分割处理,得到分段语音数据。

3.根据权利要求2所述的原始语音的声纹识别方法,其特征在于,所述声纹特征数据存储于区块链中,所述通过预置的卷积滤波器组对所述分段语音数据进行咬尾卷积处理和离散傅里叶变换处理,得到与所述分段语音数据对应的声纹特征数据,包括:

获取所述分段语音数据的总段数,并获取预置的卷积滤波器组中卷积滤波器的数量;

根据所述分段语音数据的总段数、所述预设时间长度和所述卷积滤波器的数量设置咬尾卷积编码,将所述咬尾卷积编码存储至所述卷积滤波器组中的卷积编码器组;

通过所述卷积编码器组对所述分段语音数据进行编码处理,得到与所述分段语音数据对应的候选声纹特征数据;

对所述候选声纹特征数据进行离散傅里叶变换处理,得到与所述分段语音数据对应的声纹特征数据。

4.根据权利要求3所述的原始语音的声纹识别方法,其特征在于,所述通过预置深度神经网络对与所述分段语音数据对应的声纹特征数据进行池化处理,得到目标声纹特征,包括:

通过预置深度神经网络中的滑动窗口,对与所述分段语音数据对应的声纹特征数据进行数据截取,得到多组窗口数据;

分别计算所述多组窗口数据中每组窗口数据的最大值和平均值,将所述每组窗口数据的最大值作为第一说话人特征,以及将所述每组窗口数据的平均值作为第二说话人特征;

对所述第一说话人特征和所述第二说话人特征进行融合处理,得到目标声纹特征。

5.根据权利要求1所述的原始语音的声纹识别方法,其特征在于,所述预置的损失函数如下:

所述余弦相似度矩阵损失函数如下:

所述最小均方误差矩阵损失函数如下:

其中,aji表示第j个说话人的第i条所述声纹特征向量,γ表示调节因子,N表示每个说话人对应的所述声纹特征向量的数量,k表示第k个exp(MMSEj)值,和ck均表示第j个说话人除第i条所述声纹特征向量外的其余声纹特征向量的平均值,w、b、μ、θ和β表示预设的随机变量,LCj,t表示第t时刻的所述声纹特征向量中第j个说话人对应的声纹特征向量的均值,M表示与所述声纹特征向量对应的说话人的数量。

6.根据权利要求1-5任一项所述的原始语音的声纹识别方法,其特征在于,所述通过预置的损失函数对所述声纹特征向量进行计算处理,得到目标声纹数据之后,还包括:

从预置数据库中获取与所述目标声纹数据对应的历史处理方案数据,对所述历史处理方案数据进行聚类,根据聚类所得的结果获取所述目标声纹数据的后续推荐处理方案。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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平安科技(深圳)有限公司,未经平安科技(深圳)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/202010351208.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top