[发明专利]去噪自动编码器训练方法和说话人识别系统

说明书

本发明公开一种去噪自动编码器训练方法，所述自动编码器包括六个全连接层，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。本发明实施例通过训练一个去噪自动编码器，以加了噪声的用户声音特征为输入，干净的用户特征为标签进行训练，从而用这个自编码器达到降噪。能够提升对噪声的鲁棒性能，提升在嘈杂环境下识别用户的准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种去噪自动编码器训练方法和说话人识别系统。

背景技术

随着基准数据集和通过深度神经网络(DNN)训练提取的说话者嵌入的发展，说话者验证(SV)取得了很大进展。例如，基于DNN的嵌入d向量和x向量已经超过了在生成浅层模型上训练的传统i向量系统。特别是，大规模数据集的利用和数据扩充导致x向量在SV任务上的取得了最优性能。尽管x向量系统在相对干净的数据集(例如，VoxCeleb和SRE)上实现了出色的性能，但对于存在复杂噪声源的实际应用，仍可以观察到性能显着下降。因此，构建抗噪声能力强的SV系统仍然是一项艰巨的任务。

发明内容

本发明实施例提供一种去噪自动编码器训练方法和说话人识别系统，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种去噪自动编码器训练方法，所述自动编码器包括六个全连接层，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。

第二方面，本发明实施例提供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。

第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本发明上述任一项去噪自动编码器训练方法。

第四方面，提供一种电子设备，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本发明上述任一项去噪自动编码器训练方法。

第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项去噪自动编码器训练方法。

本发明实施例通过训练一个去噪自动编码器，以加了噪声的用户声音特征为输入，干净的用户特征为标签进行训练，从而用这个自编码器达到降噪。能够提升对噪声的鲁棒性能，提升在嘈杂环境下识别用户的准确率。

附图说明