公开(公告)号：CN111048097B

公开(公告)日：2022-11-29

申请号：CN201911318077.2

申请日：2019-12-19

申请人： 中国人民解放军空军研究院通信与导航研究所 ,  西北工业大学

发明人： 付翔 ,  梅少辉 ,  杨学军 ,  耿云浩 ,  魏江

IPC分类号： G10L17/00 ,  G10L17/04 ,  G10L17/06 ,  G10L17/18 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种用于声纹识别的基于3D卷积的孪生网络，包括：特征提取单元：用于将音频数据转化为三维张量，所述三维张量即为MFLC特征。Sia‑Net网络：用于处理所述的MFLC特征，缩短同一说话人之间数据的特征距离，增大不同说话人之间数据的特征距离。CNN网络：用于建立每一个说话人的模型库。预测单元：用于测试音频数据的说话人身份。使用该网络进行声纹识别，既可以对语音信息进行充分的监督学习，还可以兼顾语音信息的时域信息，进一步提高了声纹识别的正确率。

公开(公告)号：CN111048097A

公开(公告)日：2020-04-21

申请号：CN201911318077.2

申请日：2019-12-19

申请人： 中国人民解放军空军研究院通信与导航研究所 ,  西北工业大学

发明人： 付翔 ,  梅少辉 ,  杨学军 ,  耿云浩 ,  魏江

IPC分类号： G10L17/00 ,  G10L17/04 ,  G10L17/06 ,  G10L17/18 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种用于声纹识别的基于3D卷积的孪生网络，包括：特征提取单元：用于将音频数据转化为三维张量，所述三维张量即为MFLC特征。Sia-Net网络：用于处理所述的MFLC特征，缩短同一说话人之间数据的特征距离，增大不同说话人之间数据的特征距离。CNN网络：用于建立每一个说话人的模型库。预测单元：用于测试音频数据的说话人身份。使用该网络进行声纹识别，既可以对语音信息进行充分的监督学习，还可以兼顾语音信息的时域信息，进一步提高了声纹识别的正确率。