[发明专利]一种融入静态分量的动态声纹特征提取方法

说明书

本发明公开了一种融入静态分量的动态声纹特征提取方法，方法包括对目标语音数据进行预处理，获取预处理后的目标语音数据，使用傅里叶变换和Mel滤波器组对预处理后的目标语音进行处理，获取目标语音数据的MFCC系数；将目标语音数据的MFCC系数带入融入静态分量的动态声纹特征提取模型中，获取目标语音数据的MFCC动态特征差分参数矩阵，将该矩阵定义为目标语音数据的动态声纹特征；本发明提供的方法在对语音数据进行声纹特征提取时，能保证声音连续性，并降低平均等错误率，提高识别率。

技术领域

本发明涉及人工智能声纹识别技术领域，具体涉及一种融入静态分量的动态声纹特征提取方法。

背景技术

目前，智能家居越来越广泛地应用到我们的生活和工作中，智能家居采用无线通信、图像处理、语音处理等技术，基于语音交互的智能家居系统使用更为便捷、信息采集空间更为广泛，用户体验更为友好。

声纹识别在近年来已经取得了长足发展，在某些场合中，识别率也满足了人们对安全性的基本需求，且由于其具有经济性，便捷性等优势，应用前景十分广泛。如何能够尽可能地抑制外部噪声，从采集到的信号中提取尽可能纯净的语音特征，是各种语音处理技术走向实用化的前提。

在人们生活品质飞速提高的今天，社会大众对智能家居系统的要求也不再仅仅局限于使其执行标准的、普通的控制功能，而是希望整体家居的智能化、便捷性、安全性以及舒适性都能够有更高的提升。为智能家居系统添加声纹识别功能，并采用语音增强来提高系统在噪声环境下的稳定性，不但可以进一步地改善智能家居的人机交互体验，提高用户对智能家居的使用效率；还可以为智能家居的控制与操作设定等级制度，针对不同权限等级的用户提供差异化的服务功能，使得系统整体安全性、实用性得到进一步提高。而这样的系统在未来的市场中必然有着强劲的冲击力，尤其在目前智能家居市场发展较为缓慢的大背景下，其一定会发挥越来越重要的作用，对大众的生活产生深远的影响，但现有技术中的语音识别或者说语音特征提取方法存在平均等错误率高且识别率低的问题。

为此，为了进一步降低平均等错误率、提高识别率，本发明提出了一种融入静态分量的动态声纹特征提取方法。

发明内容

本发明的目的：提供一种平均等错误率低、识别率高的动态声纹特征提取方法。

技术方案：本发明提供的融入静态分量的动态声纹特征提取方法，用于对目标语音数据进行声纹特征提取，其特征在于，方法包括如下步骤：

步骤1：对目标语音数据进行预处理，获取预处理后的目标语音数据；

步骤2：使用傅里叶变换和Mel滤波器组对预处理后的目标语音进行处理，获取目标语音数据的MFCC系数；

步骤3：将目标语音数据的MFCC系数带入融入静态分量的动态声纹特征提取模型中，获取目标语音数据的MFCC动态特征差分参数矩阵，将该矩阵定义为目标语音数据的动态声纹特征。

作为本发明的一种优选方案，在步骤1中，对目标语音数据进行预处理的方法包括：将目标语音数据分为T帧，获取多帧语音数据；

在步骤2中，使用傅里叶变换和Mel滤波器组对预处理的目标语音进行处理的方法包括如下步骤：

使用傅里叶变换分别对每帧语音数据进行处理，获取各帧语音数据的频谱；

将各帧语音数据的频谱输入Mel滤波器组中，获取各帧语音数据的MFCC系数，即目标语音数据的MFCC系数。

作为本发明的一种优选方案，在步骤3中，所述融入静态分量的动态声纹特征提取模型为：