基于深度神经网络和多元损失的说话人识别

• 作者: 关健 王敏
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 多元损失 深度学习 深度神经网络 (DNN) 说话人识别 声纹识别
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 理论与算法
• 页码范围: 39-43
• 页数: 5页
• 分类号: TP391|TN919.81
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802145

摘要

生物特征识别技术相对于传统密码等方式具有更高的可靠性, 而作为生物特征识别技术的重要研究方向之一的声纹识别方法, 研究更精确的声纹识别方法具有更高的研究意义.随着深度学习的发展, 深度学习应用在声纹识别技术上成为在声纹识别领域研究的重点.提出一种基于深度神经网络和beyond triplet loss相结合的说话人识别方法, 模型通过梅尔频率倒谱系数 (MFCC) 提取MFCC声学特征, 对MFCC声学特征提取说话人声纹特征, 然后进行多元损失的模型训练.实验结果表明, DNN-BTL算法在说话人识别领域比高斯混合-隐马尔可夫模型 (GMM-HMM) 具有更好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王敏		101	756	15.0	24.0
2	关健		1	0	0.0	0.0