1.一种基于语义通信的远程说话人确认方法,其特征在于,应用于本地发送端,具体包括:获取原始语音信号;
将原始语音信号转化为梅尔频率倒谱系数,得到原始语音信号的频谱;
根据所述原始语音信号的频谱,进行语义特征提取,得到说话人语义特征;
根据所述说话人语义特征,进行说话人语义特征维度调整,得到维度调整后的说话人语义特征;
将维度调整后的说话人语义特征信号通过信道传输至远程接收端,使得远程接收端执行以下步骤:接收本地发送端传输的维度调整后的说话人语义特征信号;
对维度调整后的说话人语义特征信号进行维度恢复及归一化处理,得到说话人嵌入特征;
将说话人嵌入特征与目标说话人嵌入特征进行比较,判断说话人是否为目标说话人;
根据所述原始语音信号的频谱,进行语义特征提取,得到说话人语义特征通过语义编码器实现,所述语义编码器包括依次连接的初始化层、多个膨胀系数不同的挤压激励-残差模块、全连接层以及注意力统计池化层模块;
所述初始化层用于扩展原始语音信号的频谱的通道数,其包括依次连接的一维卷积层和激活函数层;
各挤压激励-残差模块依次设置,分别用于提取不同尺度的说话人嵌入特征,增加感受野,其包括依次连接的一维卷积层、一维残差卷积层、一维卷积层和挤压激励模块;
所述注意力统计池化层模块用于动态调整说话人嵌入特征中不同通道的权重以利用全局属性。
2.根据权利要求1所述的基于语义通信的远程说话人确认方法,其特征在于,根据所述说话人语义特征,进行说话人语义特征维度调整,得到维度调整后的说话人语义特征通过信道编码器实现,所述信道编码器用于改变说话人语义特征的维度形状以使其适用于信道传输,其包括一个重构层。
3.根据权利要求1所述的基于语义通信的远程说话人确认方法,其特征在于,对维度调整后的说话人语义特征进行维度恢复及归一化处理,得到说话人嵌入特征通过信道解码器及语义解码器实现;
所述信道解码器用于恢复语义特征维度,其包括一个重构层;所述语义解码器用于对恢复维度后的说话人语义特征进行归一化处理,其包括一个批归一化层。
4.根据权利要求1所述的基于语义通信的远程说话人确认方法,其特征在于,将说话人嵌入特征与目标说话人嵌入特征进行比较,判断说话人是否为目标说话人,包括:计算说话人嵌入特征与目标说话人嵌入特征之间的余弦距离,其表达式如下:;
其中,为目标说话人嵌入特征,为说话人嵌入特征,n为特征维度大小;
将说话人嵌入特征与目标说话人嵌入特征之间的余弦距离与预设阈值进行比较,若说话人嵌入特征与目标说话人嵌入特征之间的余弦距离大于预设阈值,则判断说话人为目标说话人,若说话人嵌入特征与目标说话人嵌入特征之间的余弦距离小于预设阈值,则判断说话人不为目标说话人。
5.一种基于语义通信的远程说话人确认方法,其特征在于,应用于远程接收端,具体包括:接收本地发送端传输的维度调整后的说话人语义特征信号;
对维度调整后的说话人语义特征信号进行维度恢复及归一化处理,得到说话人嵌入特征;
将说话人嵌入特征与目标说话人嵌入特征进行比较,判断说话人是否为目标说话人;
其中,所述维度调整后的说话人语义特征信号由本地发送端执行以下步骤获得:获取原始语音信号;
将原始语音信号转化为梅尔频率倒谱系数,得到原始语音信号的频谱;
根据所述原始语音信号的频谱,进行语义特征提取,得到说话人语义特征;
根据所述说话人语义特征,进行说话人语义特征维度调整,得到维度调整后的说话人语义特征。
6.一种基于语义通信的远程说话人确认系统,其特征在于,其包括本地发送端和远程接收端,二者之间设有信道;
所述本地发送端包括语音信号获取模块、频谱转换模块、语义编码器、信道编码器;
所述远程接收端包括信道解码器、语义解码器以及分析判别模块;
所述语音信号获取模块用于获取原始语音信号;
所述频谱转换模块用于将原始语音信号转化为梅尔频率倒谱系数,得到原始语音信号的频谱;
所述语义编码器用于根据所述原始语音信号的频谱,进行语义特征提取,得到说话人语义特征;
所述信道编码器用于根据所述说话人语义特征,进行说话人语义特征维度调整,得到维度调整后的说话人语义特征;
所述信道用于将维度调整后的说话人语义特征通过信道由本地发送端传输至远程接收端;
所述信道解码器、语义解码器分别用于对维度调整后的说话人语义特征信号进行维度恢复、归一化处理,得到说话人嵌入特征;
所述分析判别模块用于将说话人嵌入特征与目标说话人嵌入特征进行比较,判断说话人是否为目标说话人。
7.根据权利要求6所述的基于语义通信的远程说话人确认系统,其特征在于,所述信道包括高斯信道、莱斯信道或瑞利信道。
8.根据权利要求6所述的基于语义通信的远程说话人确认系统,其特征在于,对所述语义编码器、语义解码器进行预训练,所述预训练的方法包括:获取说话人语音信号的频谱的训练数据集和验证数据集;
以训练数据集作为输入,说话人嵌入特征作为输出,对所述远程说话人确认系统进行训练,在训练过程中,以AAM-softmax作为损失函数,采用随机梯度下降,并使用Adam优化器对参数进行调整,得到训练完成的远程说话人确认系统;
在每一轮训练完成后,以验证数据集作为输入,说话人嵌入特征作为输出对远程说话人确认系统进行测试,并计算说话人嵌入特征与目标说话人嵌入特征的余弦距离,将说话人嵌入特征与目标说话人嵌入特征的余弦距离依次与预设阈值进行比较得到判断结果,综合所有判断结果得到系统测试错误率,根据系统测试错误率对超参数进行调整,并继续下一轮训练,直至达到预设训练次数,得到预训练后的语义编码器和语义解码器。
9.根据权利要求6所述的基于语义通信的远程说话人确认系统,其特征在于,所述信道的信噪比为0~20dB。