公开(公告)号：CN112331216A

公开(公告)日：2021-02-05

申请号：CN202011183292.9

申请日：2020-10-29

Applicant: 同济大学

Inventor： 苗冉 ,  王以 ,  申树藩 ,  卫志华

IPC: G10L17/00 ,  G10L17/02 ,  G10L17/04 ,  G10L17/06 ,  G10L17/18 ,  G10L25/24

Abstract: 基于复合声学特征和低秩分解TDNN的说话人识别系统及方法。对输入的语音信号在预处理后采用MFCC和归一化互相关函数进行声学特征提取，将两种特征复合；在说话人模块中，将复合声学特征输入低秩矩阵分解TDNN进行帧级别特征提取，再经过统计池化层后，通过两个全连接层和一个softmax层完成段级别特征提取，并得到输入语音对应的特征向量。上述方法在采用低秩矩阵分解对TDNN进行优化，能够显著减小参数规模，加快训练速度；同时在网络中采用跳层连接，以减少梯度消失的出现；相较于常规声学特征提取在MFCC特征的基础上增加了归一化互相关函数进行音高特征提取，弥补了单纯采用MFCC对高频信息的损失，增加了特征的多样性，提高说话人识别的准确性。