[发明专利]深度神经网络模型、电子装置、身份验证方法和存储介质

权利要求书

1.一种深度神经网络模型，其特征在于，该深度神经网络模型包括：

第一层结构：是由多层堆叠的有相同预设结构的神经网络层，每个预设结构的神经网络层包括：两个串联的CNN卷积层，两个修正线性单元ReLU，及一个将两个串联的CNN卷积层跨层直连的直连操作X，其中，各个ReLU与各个CNN卷积层一一对应，且各个ReLU分别串联在对应的CNN卷积层后，所述直连操作X将两个串联的CNN卷积层的第一个CNN卷积层的卷积操作的输入与第二个CNN卷积层的卷积操作的输出相加，并将结果送入到第二个CNN卷积层对应的ReLU操作中；

第二层结构：是平均层，此层的作用是沿时间轴向对矢量序列求平均值，它将第一层结构输出的二维矢量序列进行平均化；

第三层结构：是DNN全连接层；

第四层结构：是归一化层，此层将上一层的输入按照L2范数进行归一化，得到长度为1的归一化后的特征矢量；

第五层结构：是损失层，损失函数L的公式为：其中α是取值范围在0.05～0.2之间的常量，代表属于同一说话人的两个特征矢量的余弦相似度，代表不属于同一说话人的两个特征矢量的余弦相似度。

2.如权利要求1所述的深度神经网络模型，其特征在于，所述深度神经网络模型的训练过程为：

S1、获取预设数量语音数据样本，对各个语音数据样本分别标注代表对应的说话人身份的标签；

S2、分别对每个语音数据样本进行活动端点检测，将语音数据样本中非说话人的语音删除，得到预设数量的标准语音数据样本；

S3、将得到的标准语音数据样本的第一百分比作为训练集，第二百分比作为验证集，所述第一百分比与第二百分比的和小于等于100％；

S4、将所述训练集和验证集中的各个标准语音数据样本按照预设的分帧参数分别进行分帧处理，以获得每个标准语音数据样本对应的语音帧组，再利用预设滤波器分别提取出每个语音帧组中的各个语音帧的预设类型声学特征；

S5、将所述训练集中的各个语音帧组对应的预设类型声学特征划分成M批，分批输入所述深度神经网络模型中进行迭代训练，并在所述深度神经网络模型训练完成后，采用验证集对所述深度神经网络模型的准确率进行验证；

S6、若验证得到的准确率大于预设阈值，则模型训练结束；

S7、若验证得到的准确率小于或者等于预设阈值，则增加获取的语音数据样本的数量，并基于增加后的语音数据样本重新执行上述步骤S1-S5。

3.如权利要求2所述的深度神经网络模型，其特征在于，所述预设滤波器为梅尔滤波器，所述预设类型声学特征为梅尔频率倒谱系数MFCC。

4.如权利要求2所述的深度神经网络模型，其特征在于，所述深度神经网络模型迭代训练的过程包括：

根据模型的当前参数将当前输入每个语音帧组对应的预设类型声学特征转化为对应的一个预设长度的特征矢量；

从各个特征矢量中进行随机选取以获得多个三元组，第i个三元组(x_i1,x_i2,x_i3)由三个不同的特征矢量x_i1、x_i2和x_i3组成，其中，x_i1和x_i2对应同一个说话人，x_i1和x_i3对应不同的说话人，i为正整数；

采用预先确定的计算公式计算x_i1和x_i2之间的余弦相似度并计算x_i1和x_i3之间的余弦相似度

根据余弦相似度及预先确定的损失函数L更新模型的参数，所述预先确定的损失函数L的公式为：其中α是取值范围在0.05～0.2之间常量，N是获得的三元组的个数。