[发明专利]基于Fisher混合特征和神经网络的语音鉴别方法和系统

权利要求书

1.一种基于Fisher混合特征和神经网络的语音鉴别方法，其特征在于，所述方法由计算机执行，包括以下步骤：

S1、获取语音样本集合和待测语音，所述语音样本集合包括智能合成语音数据和自然人声数据库数据；

S2、获取所述语音样本集合中语音样本的MFCC特征和CQCC特征；

S3、基于Fisher准则、MFCC特征和CQCC特征获取所述语音样本集合中语音样本的MFCC-CQCC混合特征；

S4、基于所述MFCC-CQCC混合特征和预设的神经网络获取语音鉴别模型；

S5、基于语音鉴别模型获取待测语音所属类型，其中，所述类型包括智能合成语音和自然人声。

2.如权利要求1所述的基于Fisher混合特征和神经网络的语音鉴别方法，其特征在于，所述Fisher准则的公式如下：

其中：r_F是特征分量的Fisher比，σ_b表示特征分量的类间方差，σw表示特征分量的类内方差。

3.如权利要求2所述的基于Fisher混合特征和神经网络的语音鉴别方法，其特征在于，在S3中，所述获取语音样本集合中语音样本的MFCC-CQCC混合特征的方法，包括：

S301、获取语音样本集合中所有语音样本的MFCC特征的特征分量的类间方差σ_b和所有语音样本的CQCC特征的特征分量的类间方差σ_b；公式如下：

式中：σ_b表示特征分量的类间方差，即不同语音特征分量均值的方差，反映了不同语音样本之间的差异程度；M代表所有语音样本的总数，代表第i个语音样本的某一类特征s的第k维分量的均值，m_k代表所有语音样本在某一类特征s的第k维分量的均值；

S302、获取语音样本集合中所有语音样本的MFCC特征的特征分量的类内方差σ_w和语音样本的CQCC特征的特征分量的类内方差σ_w；公式如下:

式中：σ_w表示特征分量的类内方差，即同一语音特征分量的方差的均值；M代表所有语音样本的总数，代表第i个语音样本的某一类特征s的第k维分量的均值，n_i表示某一个语音的帧数；表示第i个语音的第k维第c帧参数；

S303、分别对每个语音样本的MFCC特征和CQCC特征每一维分量计算Fisher比，并各选取比值最大的12维，融合成为24维的MFCC-CQCC混合特征。

4.如权利要求3所述的基于Fisher混合特征和神经网络的语音鉴别方法，其特征在于，在获取获取语音鉴别模型之前，所述方法还包括：将S303中获取的所述MFCC-CQCC混合特征划分为训练数据和测试数据。

5.如权利要求4所述的基于Fisher混合特征和神经网络的语音鉴别方法，其特征在于，在S4中，所述预设的神经网络包括：一层LSTM和一层GRU。

6.如权利要求5所述的基于Fisher混合特征和神经网络的语音鉴别方法，其特征在于，在S4中，所述获取语音鉴别模型的方法包括：

将训练数据输入到预设的神经网络，调整神经网络模型的参数，训练神经网络；

将测试数据输入到经过训练的神经网站中，测试神经网络的准确率；

当准确率达到预设值时，保存神经网络模型的参数，得到语音鉴别模型。