[发明专利]一种声纹识别方法、装置、电子设备及存储介质

权利要求书

1.一种声纹识别方法，其特征在于，包括：

获取语音信号，并从所述语音信号中获取语音片段；

提取所述语音片段的频谱图；

对所述频谱图进行周期变换，得到周期频谱；

将所述周期频谱变换为梅尔频谱，并基于所述梅尔频谱得到语谱图；

通过预设CNN模型MobileAudioNet从所述语谱图中提取声纹特征；所述MobileAudioNet为在MobileFaceNets的卷积层块conv1和conv_23后各增加1个Inception模块，在conv_5后增加1个1阶HOA模块后生成；

所述Inception模块用于多尺度融合特征图，包括Base、1x1卷积层、3x3卷积层、Pool卷积层和FilterConcat；所述Base表征样本张量经过第一个卷积层处理；所述1x1卷积层、所述3x3卷积层和所述Pool卷积层用于对Base输出的数据进行卷积操作和池化操作；所述FilterConcat表征将从Base出发的4个分支卷积层的输出featuremap串联起来，其计算方式为：

H(x)＝F1(x)+F2(x)+F3(x)+F4(x)

其中，x是一个张量，维数为N*C*H*W，其中，N为数量、C为通道、H为宽、W为高，H(x)是新的featuremap，Fi(x)是第i个分支featuremap，i取值[1，4]；

所述HOA模块为高阶注意模块High-OrderAttention，用于通过尺度向量V将张量x的通道数由C变成D¹，生成张量Z¹，以及使用权重向量将张量Z¹的通道数由D¹变成C，生成一个维数为N*C*H*W的新张量，并将所述新张量与张量x做HadamardProduct，得到张量y；所述包括ReLU算子和1x1conv算子；

匹配所述声纹特征与预设声纹特征，识别所述声纹特征对应的说话人ID。

2.根据权利要求1所述的方法，其特征在于，所述获取语音信号，并从所述语音信号中获取语音片段的步骤，包括：

获取语音信号；

对所述语音信号进行分帧处理，获取语音片段。

3.根据权利要求1所述的方法，其特征在于，所述提取所述语音片段的频谱图的步骤，包括：

对所述语音片段进行短时傅里叶变换，提取所述语音片段的频谱图。

4.根据权利要求1所述的方法，其特征在于，所述匹配所述声纹特征与预设声纹特征，识别所述声纹特征对应的说话人ID的步骤，包括：

计算所述声纹特征与预设声纹特征的相似性分数；

当所述相似性分数大于预设阈值时，获取所述预设声纹特征的说话人ID；

将所述说话人ID确定为所述声纹特征的说话人ID。