基于CNN-LSTM网络的声纹识别研究

传统声纹识别方法过程复杂,模型识别准确率低,是声纹识别应用发展的关键问题。利用深度学习具有自主特征提取及分类的特点,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),提出一种结合的网络模型学习声纹识别特征及对其进行身份认证。将原始语音转换为固定长度语谱图,顺序进入CNN、LSTM,结合网络进行训练以及声纹特征学习。通过对比CNN、LSTM以及DNN网络,验证CNN-LSTM网络在声纹识别中具有较少迭代次数情况下高准确率的特性。经实验结果可以得出,语音空间特征及时序特征均是声纹识别中重要的影响因素,实验中的CNN-LSTM网络模型准确率达到95.42%,损失低值达到0.097 3。该方法有利于实际声纹识别的应用。     

雷达辐射源音频信号声纹识别方法

针对复杂的电磁环境中,雷达辐射源音频信号人工识别方法存在耗时长、误判和错判等问题,提出一种利用声纹识别和计算机技术对雷达辐射源音频进行识别的方法.利用了声纹识别关键技术--美尔倒谱系数特征提取和动态时间规整算法实现雷达辐射源音频自动识别,实验结果表明:该方法缩短了识别时间,提高了识别的正确率.     

基于二维特征提取方法与混合神经网络的接触式采集110 kV三相三绕组变压器无载调压异常

异常放电是电力变压器中一种潜在的危险故障,若未及时检测可能导致严重的安全事故。采用接触式拾音器收集变压器箱体内异常放电声纹信号,并提出了一种特征提取方法和一个深度神经网络结构,以实现对变压器异常放电的高效识别。首先,设计了一种结合梅尔频率提取和关键频率提取的二维声纹特征提取方法。其次,提出了一种基于卷积神经网络和Transformer网络的混合二维特征识别模型,能够在确保识别速度的同时准确辨识异常放电声纹信号。通过对110 kV三相三绕组变压器无载调压试验过程中采集的放电数据进行试验分析,所提方法相较于ResNet50识别速度增加约0.16秒/样本,同时识别效果提升了4.5%。     

一种基于DBN信息融合的说话人识别方法

人的声音虽然具有个性特征,但随着电子信息技术的迅猛发展,人的语音也可以被模仿.当模仿者模仿说话人声音相似度极高时,当前说话人身份确认系统就有可能会被非法欺骗.研究了一种双模态信息融合的说话人识别方法,能把声纹信息和人脸信息融合在一起,通过动态贝叶斯网络(DBN)方法来刻画两类特征之间的相关性,并根据DBN模型作出最后的说话人识别结果.实验表明,基于双模态信息融合的说话人识别方法比传统单独的声纹识别和人脸识别有较高的正确识别率.     

基于模糊聚类的矢量量化的声纹识别研究

采用模糊C-均值聚类算法(FCM)实现声纹码本的矢量量化,使用基于相似系数和的孤立点检测法识别孤立点.试验表明,该方法能有效地减少孤立点对识别结果的干扰,显著降低码本量化误差,从而提高矢量量化声纹识别系统的识别率.     

煤矿入井人员唯一性检测技术研究

通过分析掌纹、指纹、虹膜、人脸、步态、声纹等生物特征识别技术的特点以及煤矿现场对入井人员生物特征的影响,指出虹膜识别、人脸识别、步态识别、声纹识别适用于煤矿入井人员唯一性检测;提出了一种基于人员定位和生物特征识别的煤矿入井人员唯一性检测技术方案,将生物特征识别技术嵌入人员定位系统,利用人员定位识别卡实现识别卡数量及人员身份的唯一性检测;指出煤矿入井人员唯一性检测技术的研究关键点是严重污染人脸的识别算法、对设备遮挡情况下人员步态图像的采集及对混入人员语音信号的煤矿现场噪声消除算法。     

一种改进的LBG算法在声纹识别中的应用

提出一种改进的矢量量化VQ(Vector Quantization)算法,优化了现有的声纹识别技术,并已经得到了应用。对基于LBG(Linde Buzo Gray)算法中现有的倒谱参数MFCC(Mel-Frequency Ceptral Coefficients)在声纹识别中的提取以及声纹模型建立的相关改进,使得矢量量化局部最优的特点在新的声纹模型建立时得到更好的应用。在保证识别率的情况下减少了匹配次数,降低了运行时间。经过测试,语音的平均识别率达到了92%以上,实时识别率达到90%以上。实验结果表明,相对于LBG算法原型,改进的算法的识别精度和速度都有所提高,是一种有效的声纹自动识别的实现方法。     

声纹识别系统原理及其关键技术

以声纹为特征的身份识别技术具有十分广阔的应用前景。该文介绍了声纹识别系统的应用分类及其基本技术原理,重点分析了声纹识别系统中的特征参数提取、模式匹配判断等关键技术问题,并总结声纹识别技术的研究进展。