欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018105188551
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 乐器;声学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于DNN与GMM模型的说话人识别方法,其特征在于包括:

步骤一:在给定特征参数MFCC的前提下,基于GMM‑SVM提取超矢量实现数据降维,并拟构建相关超矢量来提取携带更丰富的说话人身份信息的特征;对语音进行分帧处理,将预处理后的语音帧经过FFT、DCT等变换后得到MFCC参数,在输入特征参数为MFCC前提下提取GMM超矢量,对组成GMM超矢量的各个均值向量进行重新组合,每个高斯分量的均值矢量为m1,m2,...,m1024,并且mi,i=1,2,...,1024是维数为48的向量,即超矢量m=(m1,m2,...,Tm1024) ;若选择高斯关联数的个数是q,并且1≤q≤1024,则得到的第一个新的均值向量为:m′1‑(m1,m2,...,mq),依次遍历整个超矢量,得到相关超矢量;相关超矢量具有的新的均值向量个数为p,并且满足关系:1024=p×q,则相关超矢量m′为m′=(m′1,m′2,...,m′p)′;将训练阶段提取的相关超矢量用于SVM的训练,在测试阶段语音也经过预处理、特征参数以及超矢量的提取,最后构建相关超矢量与训练阶段得到的SVM模型来进行匹配从而得到识别结果;

步骤二:构造深度信念网络体系结构来提取说话人深度特征;

步骤三:结合相关超矢量和瓶颈特征以构建新的说话人辨认系统;

为了能够得到语音中“不变”的、足够“顽健”的说话人个体特征参数,构建一种中间的某个隐层的神经元个数远小于输入层和其它隐层神经元个数的深度信念网络,并将这一隐层称为瓶颈层;

构建一个结合GMM‑SVM和DBN的说话人辨认系统,首先对每帧语音信号提取48维的MFCC特征参数,将MFCC作为DBN的输入提取瓶颈特征,然后基于瓶颈特征利用GMM提取超矢量并进一步构建相关超矢量,最后利用SVM实现模式匹配和分类;

当瓶颈层的节点数固定为48,即与输入MFCC特征参数的维数一致时,说话人的识辨率最高;在固定瓶颈层节点数后,确认隐层层数为3层,实现对所述说话人辨认系统的性能进行优化。

2.根据权利要求1所述基于DNN与GMM模型的说话人识别方法,其特征在于:其中步骤一包含:S11、对语音信号进行预处理后提取MFCC参数;

S12、提取GMM超矢量并关联预设范围内的均值矢量形成相关超矢量;

S13、在GMM模型基础上搭建SVM实现分类,并且通过实验对比选择最合适的SVM核函数。

3.根据权利要求2所述基于DNN与GMM模型的说话人识别方法,其特征在于:所述预处理至少为预加重、加窗、分帧和端点检测。

4.根据权利要求1所述基于DNN与GMM模型的说话人识别方法,其特征在于:其中步骤二包含:S21、构造两端宽中间窄的DBN模型,先进行预训练再通过有监督的方式进行精细调整以得到训练好的深度信念网络;

S22、将训练和测试语音经过预处理后提取的MFCC参数作为这个深度信念网络的输入以提取瓶颈层的特征。

5.根据权利要求1所述基于DNN与GMM模型的说话人识别方法,其特征在于:其中步骤三在GMM‑SVM模型的基础上,将步骤一、二中所提出的相关超矢量和瓶颈特征同时应用到这个模型中,得到最优的说话人辨认系统,其中瓶颈特征随DBN模型的结构参数变化可调,相关超矢量随预设范围内高斯关联数变化可调。