[发明专利]一种基于深度学习的轻量化单通道声纹识别方法及系统

说明书

本发明公开了一种基于深度学习的轻量化单通道声纹识别方法及系统，该方法包括：对单通道语音输入数据进行预处理，得到语音梅尔频谱数据；结合SE残差模块和CBAM注意力机制模块，基于语音梅尔频谱数据对轻量化声纹识别模型进行训练，得到训练后的轻量化声纹识别模型；基于训练后的轻量化声纹识别模型进行单通道语音识别处理，得到识别结果。该系统包括：预处理模块、训练模块和识别模块。通过使用本发明，能够在保持声纹识别模型的识别准确率的同时减少声纹识别模型的参数量，加快模型的识别速度。本发明作为一种基于深度学习的轻量化单通道声纹识别方法及系统，可广泛应用于单通道语音识别技术领域。

技术领域

本发明涉及单通道语音识别技术领域，尤其涉及一种基于深度学习的轻量化单通道声纹识别方法及系统。

背景技术

当今信息社会在不断的发展，指纹识别、虹膜识别、人脸识别等生物识别技术逐渐占领了我们生活中的一部分，慢慢的改变了人们的生活，而在此时另一种生物识别技术：声纹识别逐渐出现在人们的视野当中；声纹识别技术是指通过对人的声音识别，验证某个人身份的技术，是一种新型的生物识别技术，此技术常常应用于刑侦破案、罪犯跟踪、国防监听、个性化应用、证券交易、银行交易、公安取证、个人电脑声控锁、汽车声控锁、身份证、信用卡的识别等，轻量化单通道声纹识别用于个性化应用、证券交易、银行交易等场景，此类场景需要简单的录音的设备以及更快的运算处理速度进行大量识别计算，轻量化模型在此类型场景凸显优势，神经网络轻量化设计的目标就是在低硬件条件的设备上仍然能保持良好的网络性能，需要保持较好的测试集准确率的前提下，解决储存空间和能耗对于神经网络性能的限制，现在国内与国外的声纹识别大部分追求准确高，轻量化的声纹识别模型目前较少现在国内与国外的声纹识别大部分追求准确高，轻量化的声纹识别模型目前较少，主流的模型有RawNet、SincNet、AM-MobileNet和ECAPA-TDNN等，这些主流模型参数量巨大，所需要的训练数据量也是非常的巨大。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于深度学习的轻量化单通道声纹识别方法及系统，能够在保持声纹识别模型的识别准确率的同时减少声纹识别模型的参数量，加快模型的识别速度。

本发明所采用的第一技术方案是：一种基于深度学习的轻量化单通道声纹识别方法，包括以下步骤：

对单通道语音输入数据进行预处理，得到语音梅尔频谱数据；

结合SE残差模块和CBAM注意力机制模块，基于语音梅尔频谱数据对轻量化声纹识别模型进行训练，得到训练后的轻量化声纹识别模型；

基于训练后的轻量化声纹识别模型进行单通道语音识别处理，得到识别结果。

进一步，所述对单通道语音输入数据进行预处理，得到语音梅尔频谱数据这一步骤，其具体包括：

获取预设时长的单通道语音输入数据；

根据预设数据比例，对单通道语音输入数据进行加入噪声和回响，得到语音信号数据；

根据预设时间间隔对语音信号数据进行采样处理，得到一维语音信号；

对一维语音信号进行预加重、分帧、加窗、短时傅里叶变换、取功率谱与取对数处理，得到语谱图；

将语谱图输入Mel滤波器组进行相乘，得到语音梅尔频谱数据。

进一步，所述结合SE残差模块和CBAM注意力机制模块，基于语音梅尔频谱数据对轻量化声纹识别模型进行训练，得到训练后的轻量化声纹识别模型这一步骤，其具体包括：

将语音梅尔频谱数据输入至轻量化声纹识别模型，所述轻量化声纹识别模型包括卷积层、归一化层、SE残差模块、CBAM注意力机制模块和线性层；

基于卷积层，对语音梅尔频谱数据进行卷积处理，得到语音梅尔频谱特征数据；