[发明专利]一种基于变分信息瓶颈的声纹识别方法及系统

摘要

本发明提供了一种基于变分信息瓶颈的声纹识别方法及系统，解决现有声纹识别模型提取的说话人嵌入鲁棒性差和区分性不强的问题。首先提出了一个由VovNet和超轻量级子空间注意力机制(ULSAM)组成的特征提取网络，用于提取多尺度多频率的帧级说话人信息；然后引入变分信息瓶颈作为一种正则化方法，对说话人特征向量进一步压缩，去除说话人无关的信息，只保留与判别说话人身份相关的信息，使得最终提取的说话人嵌入更具鲁棒性。相比于现有的声纹识别技术，本发明提升了声纹识别在噪声背景下的识别准确率，使得声纹识别技术更适用于实际生活场景。