基于深度学习的小样本声纹识别方法

原 熙文
国防科技大学

摘要

在深入研究和改进深线模型的基础上，提出了一种声带识别方法。通过改变 GMM-UBM 的阶次，确定了最经济的 m 值。利用卷积神经网络和递归神经网络进行了语音串检测实验。实验结果表明，CNN 和 ESN 能够有效地识别声带客户，识别准确率高，基于 ESN 的声带识别能够满足当前声带识别的需要。如果解决了 CNN 参数设置的问题，CNN 得到了广泛的应用。

关键词

深度学习；声纹识别；回声状态网络；卷积神经网络

参考

[1] 李 靓 , 孙 存 威 , 谢 凯 , 等 . 基 于深度学习的小样本声纹识别方法 [J]. 计算机工程 , 2019, v.45;No.498(03):268-273+278.

[2] 韩侣 , 周林华 , 马文联 , 等 . 基于深度学习的小样本声纹识别研究 [J]. 应用数学进展 , 2020(1):30-37.

[3] 张 颖 , 徐 志 京 . 基于深度学习的 帕 金 森 患 者 声 纹 识 别 [J]. 计 算 机 工 程 与 设 计 , 2019, 040(007):2039-2045.

[4] 杨楠 . 基于深度学习的说话人识别研究与实现[D]. 郑州大学 , 2019.

[5] 郑博文 . 基于深度学习的生物特征识别方法研究 [D]. 2019.

[6] 池春婷 . 基于 UBM 和深度学习的说话人识别方法研究 [D]. 大连理工大学 , 2020.