基于CRNN的汽车发动机声纹个体识别方法

• 作者: 高晓利 李捷 王维 赵火军 骆明伟
• 来源期刊: 火力与指挥控制
• 关键词: 声纹个体识别 卷积神经网络 深度循环神经网络 声谱图
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 工程实践|ENGINEERING PRACTICE
• 页码范围: 150-153,159
• 页数: 5页
• 分类号: TP912.34
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2021.03.025

摘要

为提高声纹个体识别率,提出了一种基于卷积神经网络(CNN)和深度循环神经网络(RNN)的声纹个体识别方案CRNN,用于发动机声纹个体识别.该方法通过优化CRNN网络参数,挖掘声谱图"纹路"特征和时序特征,解决现有方法不能充分利用声音信号特征的问题.基于实采汽车发动机声音信号的仿真结果表明,相对于传统方法,改进CRNN能获得更高识别率,达到了98.75％.