申请/专利权人：江苏五正信息科技有限公司

申请日：2023-07-07

公开（公告）日：2023-10-10

公开（公告）号：CN116863939A

主分类号：G10L17/02

分类号：G10L17/02;G10L17/22;G10L17/18;G10L25/18;G10L25/30;G10L25/45;G10L25/21

优先权：

专利状态码：在审-公开

法律状态：2023.10.10#公开

摘要：本发明公开了一种基于全局注意力机制的DenseNet‑LSTM‑ED的声纹识别方法，属于声纹识别技术领域，该方法首先对语音信号分割、加窗、傅里叶变换、能量密度谱、对数变换和彩色映射得到语音信号与之对应的语谱图；然后分别利用DenseNet模块、LSTM单元和ED模块分别对语谱图进行处理，将DenseNet模块、LSTM单元的处理结果融合形成时空融合信息，ED模块对语谱图进行处理形成增强信息；接着将时空融合信息与增强信息融合形成时空增强信息，并使用全局注意力机制对其赋予不同的权重，来增加关键帧语音对识别结果的贡献度，并通过Softmax损失函数与CenterLoss损失函数联合监督的方式来实现说话人识别的分类，本发明能够有效提高声纹识别的准确率。

主权项：1.一种基于全局注意力机制的DenseNet-LSTM-ED的声纹识别方法，包括以下步骤：S100：通过对语音信号分割、加窗、傅里叶变换、能量密度谱、对数变换和彩色映射得到语音信号与之对应的语谱图；S200：将步骤S100得到的语谱图作为输入，输入至DenseNet模块进行空间特征提取，得到语音信号的空间信息；S300：将步骤S100得到语谱图的信息复制一份送到LSTM单元中，经过t个LSTM单元后，以便于充分提取语音信号的时序信息；S400：将步骤S100得到语谱图的信息复制一份送到ED模块中，ED模块包括对语谱图的信息进行反卷积处理、对语谱图的信息进行趋势信息处理，并对反卷积处理后的信息和趋势信息处理后的信息进行融合，对融合的反卷积处理后的信息和趋势处理后的信息进行卷积处理，生成增强信息；S500：将DenseNet模块和LSTM单元的处理结果进行拼接，形成时空融合信息，将时空融合信息和增强信息ED进行信息融合形成时空增强信息，并对时空增强信息使用注意力机制赋予不同的权重，使用Softmax损失函数与CenterLoss损失函数联合形成总损失函数，利用总损失函数识别声纹的类别。

全文数据：

权利要求：

百度查询： 江苏五正信息科技有限公司 一种基于全局注意力机制的DenseNet-LSTM-ED的声纹识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD