[发明专利]一种基于深度学习的说话人识别方法有效
| 申请号： | 201910340447.6 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110265035B | 公开（公告）日： | 2021-08-06 |
| 发明（设计）人： | 邓小涛;张华军;王征华;倪杰 | 申请（专利权）人： | 武汉大晟极科技有限公司 |
| 主分类号： | G10L17/00 | 分类号： | G10L17/00;G10L17/02;G10L17/04;G10L17/20;G10L17/18;G10L25/24;G10L25/21;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司 42102 | 代理人： | 王丹 |
| 地址： | 430223 湖北省武汉市东湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的说话人识别方法，接收若干说话人的音频数据，构成数据集；数据集中，对说话人进行编号，并确定说话人的编号与音频数据的对应关系；通过阈值法对音频数据进行预处理；音频分块、分帧；每帧进行梅尔频率倒谱系数MFCC的计算；构建神经网络，输入层为帧数与MFCC系数的比值，输出层为说话人的编号；通过神经网络训练支持向量机SVM，对数据集中的数据进行分类训练；输入待识别说话人的音频信号，输出待识别说话人的编号。本发明通过阈值法对音频文件进行预处理，保证了音频文件的统一，可以在更短的时间内获得更高的精度；通过神经网络对训练集进行训练，具有较高的训练速度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 说话 识别 方法 | ||
【主权项】：
1.一种基于深度学习的说话人识别方法，其特征在于：它包括以下步骤：S1、接收若干说话人的音频数据，构成数据集；数据集中，对说话人进行编号，并确定说话人的编号与音频数据的对应关系；S2、通过阈值法对音频数据进行预处理；S3、音频分块：将预处理后的音频数据剪辑为相同时间长度的音频块；S4、音频分帧：将音频块划分为帧，以第一时间长度的音频为一帧，每帧的帧叠为第二时间长度；第二时间长度小于第一时间长度；S5、每帧进行梅尔频率倒谱系数MFCC的计算，用于描述音频数据的特征；S6、构建神经网络，输入层为帧数与MFCC系数的比值，输出层为说话人的编号；通过神经网络训练支持向量机SVM，对数据集中的数据进行分类训练；S7、输入待识别说话人的音频信号，对待识别说话人的音频信号进行S2至S5的处理，然后通过训练好的神经网络，输出待识别说话人的编号；所述的待识别说话人为数据集中说话人中的任意一位。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大晟极科技有限公司，未经武汉大晟极科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910340447.6/，转载请声明来源钻瓜专利网。
