[发明专利]一种基于竞争神经网络的鲁棒说话人识别方法

摘要

本发明实施例公开了一种基于竞争神经网络的鲁棒说话人识别方法。该方法利用竞争神经网络提取具有噪声不变性的声学特征，并利用该特征进行基于GMM‑UBM模型的说话人识别系统的训练，包括如下步骤：构建包含两个级连的编码网络与区分网络的竞争神经网络，并利用其中的编码网络提取噪声不变特征，然后利用提取的特征实现基于GMM‑UBM模型的说话人。在竞争网络训练时编码网络与区分网络分别训练，训练编码网络时所有输入采用相同的干净语音标签，训练区分网络时利用训练语音的噪声类型作为训练标签，利用本发明实施例，能够提高文本无关的说话人鉴别率，具有很大的实用价值。

主权项

一种基于竞争神经网络的鲁棒说话人识别方法，其特征在于：一.声学特征提取的竞争网络结构为：包含两个级联的子网络，下层的编码网络与上层的区分性网络，编码网络的输出作为最终需要提取的瓶颈特征；二.竞争网络训练方法为：进行网络训练时编码网络与区分性网络采用不同的目标标签进行交替训练，当训练区分性网络时输入特征中包含的噪声类型作为训练标签，当训练编码网络时所有的输入采用相同的干净语音标签。