[发明专利]一种说话人识别方法

权利要求书

1.一种说话人识别方法，其特征在于，所述方法包括：

步骤一、提取说话人语音特征，作为训练集；

步骤二、建立说话人身份识别的网络模型，该网络模型是在融合模型的基础上结合基于附加间隔Softmax损失函数建立的，利用步骤一的训练集对所述网络模型进行训练，所述基于附加间隔Softmax损失函数为：

其中，L_AMS表示分数，s为缩放因子，m为间隔系数，c为训练集中训练类别的总数，n为训练集中训练样本个数，y_i为第i个训练样本对应的标签，θ_j表示第j个训练类别向量间的角度，θ_yi表示第i个训练样本对应标签的权重向量与输入特征向量间的夹角；

Softmax损失函数的输入特征向量和权重向量的决策间隔为ψ(θ)为：

ψ(θ)＝cosθ-m

m表示间隔系数，θ表示输入特征向量与权重向量的夹角；

步骤三、利用训练好的网络模型确定待识别的说话人语音特征的类别。

2.根据权利要求1所述的说话人识别方法，其特征在于，所述步骤三包括：

将待识别的说话人语音特征输入到CNN网络，经卷积最大池化处理后输出特征向量；

对CNN网络输出特征向量进行处理，获得时间序列特征，将该时间序列特征输入至GRU网络；

使用层归一化方法，计算GRU网络隐藏层所有神经元节点输入的平均值μ和方差σ，并由同一个标准化操作，获得标准化输出特征向量c；

将标准化输出特征向量传输到最后一层全连接层，其特征被映射到全连接层的特征空间；

使用基于附加间隔Softmax损失函数对特征空间内的说话人特征进行分类并确认其身份。

3.根据权利要求2所述的说话人识别方法，其特征在于，

平均值

其中，K表示输入的维度，h_k表示GRU网络中隐藏层输出的第k维向量，γ表示激活函数，g表示待更新的增益，b表示偏置参数，h表示上一层的输出。

4.根据权利要求1所述的说话人识别方法，其特征在于，所述步骤一和步骤三中，对说话人的语音进行分帧加窗处理，将每帧的短时平稳信号进行短时傅里叶变换，得到反映信号能量密度的语谱图，作为说话人语音特征。