[发明专利]基于深度自编码网络的说话人性别自动识别方法及系统

摘要

本发明属于声纹识别技术领域，公开了一种基于深度自编码网络的说话人性别自动识别方法及系统，利用与注册说话人及信道均无关的语音信号训练UBM通用背景模型；提取注册数据的i‑vector；提取测试数据的i‑vector；训练深度自编码网络；模式匹配与识别，并进行模型评估。本发明将深度自编码网络应用于说话人性别识别中，将深度自编码网络强大的学习能力用于表征不同性别的说话人特征，不仅实现了特征的再提取，同时降低了特征维数，从而降低了分类运算时的复杂度。本发明提出的方法可进一步推广应用于说话人识别，尝试提高说话人识别系统的鲁棒性。

主权项

1.一种基于深度自编码网络的说话人性别自动识别方法，其特征在于，所述基于深度自编码网络的说话人性别自动识别方法包括：训练阶段，首先训练集语音信号进行预处理及Mel倒谱系数特征提取，后利用大量与特定说话人及信道无关的语音数据训练UBM通用背景模型；基于UBM通用背景模型和特定说话人的语音信号提取i‑vector；用提取出的i‑vector作为深度自编码网络的输入训练自编码器，进一步提炼特征，最后通过分类器实现不同说话人性别分类；测试阶段，用与训练阶段相同的方式对测试语音信号进行预处理及i‑vector提取，用训练好的深度自编码网络进行特征提炼和分类，后利用分类准确性、AUC、MCC三种评价标准评估模型。