公开(公告)号：CN112863521A

公开(公告)日：2021-05-28

申请号：CN202011546522.3

申请日：2020-12-24

Applicant: 哈尔滨理工大学

Inventor： 陈晨 ,  肜娅峰 ,  陈德运

IPC: G10L17/02 ,  G10L17/04 ,  G10L25/30 ,  G10L25/45 ,  G10L25/51 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于互信息估计的说话人识别方法，解决了说话人身份特征区分性不强及识别系统错误率高的问题。在训练时，先对语音提取语谱图，将其作为VGG‑M网络的输入；然后对训练数据进行随机的三元组采样，获取正负样本进行互信息估计，并利用基于互信息估计的目标函数训练网络。在识别时，利用训练好的VGG‑M网络提取测试语音与目标说话人语音对应的嵌入特征；然后计算上述两个嵌入特征间的余弦距离，并将其作为说话人的匹配得分；将得分与设定的阈值比较，判断测试语音是否来自目标说话人。该方法能够有效利用正负样本对应的说话人特征间的互信息，以此优化网络训练并降低系统的错误率。本发明可以应用于说话人识别领域。

公开(公告)号：CN112863521B

公开(公告)日：2022-07-05

申请号：CN202011546522.3

申请日：2020-12-24

Applicant: 哈尔滨理工大学

Inventor： 陈晨 ,  肜娅峰 ,  陈德运

IPC: G10L17/02 ,  G10L17/04 ,  G10L25/30 ,  G10L25/45 ,  G10L25/51 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于互信息估计的说话人识别方法，解决了说话人身份特征区分性不强及识别系统错误率高的问题。在训练时，先对语音提取语谱图，将其作为VGG‑M网络的输入；然后对训练数据进行随机的三元组采样，获取正负样本进行互信息估计，并利用基于互信息估计的目标函数训练网络。在识别时，利用训练好的VGG‑M网络提取测试语音与目标说话人语音对应的嵌入特征；然后计算上述两个嵌入特征间的余弦距离，并将其作为说话人的匹配得分；将得分与设定的阈值比较，判断测试语音是否来自目标说话人。该方法能够有效利用正负样本对应的说话人特征间的互信息，以此优化网络训练并降低系统的错误率。本发明可以应用于说话人识别领域。