[发明专利]去噪自动编码器训练方法和说话人识别系统

权利要求书

1.一种去噪自动编码器训练方法，所述去噪自动编码器包括多个全连接层，所述方法包括：

对样本语音数据进行加噪处理得到混合语音数据；

对所述混合语音数据进行嵌入特征提取得到混合嵌入特征；

对所述样本语音数据进行所述嵌入特征提取得到样本嵌入特征；

将所述混合嵌入特征输入至所述去噪自动编码器得到去噪嵌入特征；

通过最小化所述去噪嵌入特征与所述样本嵌入之间的差距训练所述去噪自动编码器。

2.根据权利要求1所述的方法，其中，所述去噪自动编码器包括特征编码器和生成解码器；其中，

所述特征编码器包括三个全连接层，所述特征编码器的输出节点设置为128；ReLU激活被添加到所述特征编码器的三个全连接层中除输出层之外的每一层；

所述生成编码器包括三个全连接层，所述生成编码器采用对称结构。

3.根据权利要求1所述的方法，通过最小化所述去噪嵌入特征与所述样本嵌入之间的差距训练所述去噪自动编码器包括：

通过最小化所述去噪嵌入特征与所述样本嵌入之间的MSE损失训练所述去噪自动编码器。

4.根据权利要求1所述的方法，所述对所述混合语音数据进行嵌入特征提取得到混合嵌入特征包括：

对所述混合语音数据进行第一嵌入特征提取得到相应的混合Fbank特征；将所述混合Fbank特征输入至预设特征提取器得到所述混合嵌入特征。

5.根据权利要求4所述的方法，其中，所述预设特征提取器为34层ResNet。

6.根据权利要求4所述的方法，其中，所述混合Fbank特征为40维Fbank特征，所述混合嵌入特征为256维x向量。

7.一种说话人识别系统，包括特征提取器和权利要求1-6中任一项所述的方法训练得到的去噪自动编码器；

所述特征提取器，配置为从接收到的音频数据中提取混合嵌入特征；

所述去噪自动编码器，配置为对所述混合嵌入特征进行去噪处理，得到去噪嵌入特征，以用于说话人识别。

8.根据权利要求7所述的系统，其中，所述特征提取器为34层ResNet。

9.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任意一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任意一项所述方法的步骤。