[发明专利]一种声纹识别方法及装置

摘要

本发明适用于身份认证技术领域，提供了一种声纹识别方法及装置，包括：对输入的语音进行预处理，获取语音中的有效语音；提取语音的MFCC声学特征，输出包含MFCC维度及语音分帧数的第一和第二特征矩阵；构建长短时递归神经网络模型，并将第一特征矩阵作为输入；利用神经网络模型的训练参数及语音的说话人特征训练特征提取矩阵，每个特征提取矩阵对应一个说话人模型；选取出匹配第二特征矩阵的说话人模型，所述匹配的说话人模型对应的说话人输出为声纹识别结果。本发明采用监督学习的方式来训练声纹背景模型，能够从训练语音中挖掘出更合适的声学特征，从而能够更准确地辨别说话人的差异性特征，学习到鲁棒性更强的说话人模型，获取更好的声纹识别效果。

主权项

1.一种声纹识别方法，其特征在于，包括：分别对输入的K条语音进行预处理，所述语音包括训练语音及待识别语音，以获取所述K条语音中每条语音的有效语音；提取所述每条训练语音中有效语音的梅尔频率倒谱系数声学特征，输出包含所述梅尔频率倒谱系数的维度及所述每条训练语音的分帧数的第一特征矩阵；构建长短时递归神经网络模型，并将所述第一特征矩阵输入所述神经网络模型，以获取所述神经网络模型的输出参数；利用所述神经网络模型的输出参数及所述每条训练语音对应的说话人特征，分别训练得出N条训练语音的N个特征提取矩阵，所述每个特征提取矩阵对应一个所述训练语音的说话人模型；提取所述待识别语音中有效语音的梅尔频率倒谱系数声学特征，输出包含所述梅尔频率倒谱系数的维度及所述待识别语音的分帧数的第二特征矩阵；在N个说话人模型中，根据预设的相似性度量算法，选取出与所述第二特征矩阵相匹配的说话人模型，所述选取出的说话人模型对应的说话人输出为所述待识别语音的声纹识别结果；其中，所述K和N为大于零的整数，且K大于N。