1.一种基于SASFV聚合模型的说话人确认方法,其特征在于,包括以下步骤:S1:从原始音频信号中提取帧级特征;
S2:利用SASFV聚合模型对所述帧级特征进行聚合得到聚合帧级特征;
S21:根据一维高斯分布概率密度函数进行计算,其概率密度表示为:其中,高斯混合模型中第k个高斯模型的参数集,其中、、分别为混合权重、均值向量和协方差矩阵,表示标准差向量;
S22:根据的后验概率表示为:
令,,并且,则后验概率改写为:
S23:在梯度计算过程中,将自注意力机制与统计方法相结合,生成SASFV中第k个高斯分量的均值向量和标准差向量计算如下:其中、、分别为均值向量mean的查询、键、值;,和分别是线性变换的权重;表示通过统计方法得到的键;表示隐藏特征的维数;、、分别为标准差向量std的查询、键、值的标准差;、、为线性变换的权重,⊙为逐元素乘法;
S24:根据均值向量、标准差向量和后验概率得到SASFV均值向量的梯度向量以及SASFV标准差向量的梯度向量,具体如下:S25:将SASFV所有、分量的梯度连接起来形成梯度向量,表示如下:S26:对所有特征的梯度进行平均,得到SASFV的:其中,梯度向量;
S3:得到聚合帧级特征通过交叉熵损失函数作为训练目标函数,通过更新参数最小化损失,得到网络模型;
S4:使用训练好的网络模型提取音频特征并与数据库中的特征向量进行余弦距离计算,并与阈值比较,最终识别出说话人身份。
2.根据权利要求1所述基于SASFV聚合模型的说话人确认方法,其特征在于:所述步骤S1中从原始音频信号中提取帧级特征具体为:首先,对输入的原始音频信号进行短时傅里叶变换以获得线性谱图;
然后,将所述线性谱图通过梅尔滤波器处理以得到对数梅尔谱图;
最后,将所述对数梅尔谱图输入ERes2Net网络以提取帧级特征。
3.根据权利要求2所述基于SASFV聚合模型的说话人确认方法,其特征在于:所述短时傅里叶变换以获得线性谱图,其公式表示为:式中为t时刻的信号,为窗函数,w为角频率的连续函数,n为关于时间的离散函数。
4.根据权利要求3所述基于SASFV聚合模型的说话人确认方法,其特征在于:所述线性谱图通过梅尔滤波器处理以得到对数梅尔谱图具体为:首先,将得到的短时傅里叶变换结果,计算功率谱,其公式表示为:其中表示复数频谱图的幅度值;
其次,将功率谱映射到梅尔频率标度,使用一组三角滤波器进行加权求和,其公式表示为:其中表示第k个梅尔频带的能量,是梅尔滤波器组中的第k个滤波器;
最后,将能量转换为对数尺度,对梅尔频带的能量取对数,获得对数梅尔谱图:其中是一个极小值。
5.根据权利要求1所述基于SASFV聚合模型的说话人确认方法,其特征在于:所述步骤S3中交叉熵损失函数定义如下:其中,m表示样本数量,表示第i个样本的真实值,表示第i个样本的预测输出值,L表示损失值。
6.根据权利要求1所述基于SASFV聚合模型的说话人确认方法,其特征在于:所述步骤S4具体为:首先,说话人级特征与说话人据库中已有的特征向量进行余弦距离计算,计算公式如下所示:其中,为提取出的说话人级特征,为库中已有的目标;
而后,根据d与阈值的大小来判定说话人。