[发明专利]一种基于信道补偿的声纹识别方法

说明书

技术领域

本发明涉及生物识别技术领域，尤其涉及一种基于信道补偿的声纹识别方法。

背景技术

声纹识别和指纹，虹膜，人脸识别等一样，属于生物识别的一种，被认为是最自然的生物特征识别身份鉴定方式。依靠声纹识别可以很方便地对说话人的身份进行验证，并且这种验证方式的私密性非常高，因为声纹通常无法被恶意复制和盗取，因此声纹识别在各种领域尤其是智能设备领域具有突出的应用优势。

声纹识别的基本过程为语音采集，特征提取，分类模型。常见的语音特征提取方法是利用语音的短时平稳特性，采用美倒谱变换方法将语音转换为识别特征集，之后经过学习过程对说话人语音进行建模得到说话人的分类模型，随后通过各类识别模型获得声纹识别的结果。但是上述过程存在以下几个问题：(1)上述声纹识别的模型需要学习更多的样本才能应用；(2)依据上述识别模型进行的声纹识别的计算的复杂度较高；(3)依据上述的识别模型计算得到的模型数据量较大；(4)由于传输声源的信道是可变的，如：声源为录音时，在对语音进行声纹识别时会由于录音的噪音等问题导致语音失真，从而致使声纹识别的精准性大大下降。综上所述，对于资源有限的智能系统而言，上述既存的问题限制了现有技术中的声纹识别算法的应用。

发明内容

根据现有技术中存在的上述问题，现提供一种基于信道补偿的声纹识别方法的技术方案，具体包括：

一种基于信道补偿的声纹识别方法，其中：预设一第一频段以及一第二频段，所述第一频段高于所述第二频段，包括下述步骤：

步骤S1，接收外部输入的声源；

步骤S2，根据预设的补偿模型采用信道补偿方法将所述声源转换为标准的语音；

步骤S3，将所述语音分别与所述第一频段和所述第二频段进行拟合；

步骤S4，将分别处于所述第一频段或者所述第二频段下的所述语音分割为特定长度的识别区段；

步骤S5，对每个所述识别区段做特征变换后得到相应的多个识别特征，并采用关联于所有所述识别区段的所有所述识别特征分别构成对应所述第一频段的识别特征空间，或者对应所述第二频段的所述识别特征空间；

步骤S6，将所述识别特征空间划分成复数个子空间，并以描述信息每个被划分的所述子空间，以及分别对每个所述子空间赋予一对应的序号；

步骤S7，分别将处于所述第一频段或者处于所述第二频段的关联于训练模型的每条训练语句做特征变换后得到包括相应的时序特征点的时序特征点集，每个所述时序特征点分别被分配入同频段下的各个所述子空间，根据每个所述时序特征点对应的所述子空间的序号分别形成关联于所述第一频段或者所述第二频段的第一序列，并进而形成对应的训练识别特征；

步骤S8，分别将处于所述第一频段或者处于所述第二频段的关联于测试模型的每条测试语句做特征变换后得到所述时序特征点集，每个所述时序特征点分别被分配入各个所述子空间，根据每个所述时序特征点对应的所述子空间的序号分别形成关联于所述第一频段或者所述第二频段的第二序列，并进而形成对应的测试识别特征；

步骤S9，对比关联于所述第一频段的所述训练识别特征与所述测试识别特征是否相似，并根据对比结果处理得到基于信道补偿的声纹识别的确认结果，或者

对于关联于所述第二频段的所述训练识别特征与所述测试识别特征是否相似，并根据对比结果处理得到基于信道补偿的声纹识别的确认结果。

优选的，该基于信道补偿的声纹识别方法，其中，所述步骤S7中，每个所述时序特征点按照最近邻原则被分配入各个所述子空间内。

优选的，该基于信道补偿的声纹识别方法，其中，所述步骤S7中，将被分配入所述时序特征点的各个所述子空间按照所述序号组成一空间序列，并 将所述空间序列作为所述第一序列，以形成所述训练识别特征。

优选的，该基于信道补偿的声纹识别方法，其中，所述步骤S8中，将被分配入所述时序特征点的各个所述子空间按照所述序号组成一空间序列，并将所述控件序列作为所述第二序列，以形成所述测试识别特征。

优选的，该基于信道补偿的声纹识别方法，其中，所述步骤S7中，所述空间序列中包括关联于每个所述子空间的数据组，一个所述数据组对应一个所述序号；

在形成所述空间序列后，还包括分别对处于所述第一频段或者所述第二频段的所述空间序列进行的第一数据压缩的过程，具体为：

步骤S71，记录每个所述数据组的所述序号，并记录关联于每个所述序号的重复序号数量；