文献类型：期刊文章

作　　者：闫河[1,2] 董莺艳[1] 王鹏[1] 罗成[1] 李焕[1]

Yan He;Dong Yingyan;Wang Peng;Luo Cheng;Li Huan(College of Computer Science and Engineering, Chongqing University of Technology, Chongqing 400054, China;College of Artificial Intelligence, Chongqing University of Technology, Chongqing 400020, China)

机构地区：[1]重庆理工大学计算机科学与工程学院,重庆400054 [2]重庆理工大学两江人工智能学院,重庆400020

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61173184);重庆市自然科学基金项目(cstc2018jcyjAX0694)

年　　份：2019

卷　　号：36

期　　号：4

起止页码：166-170

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：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。

关 键 词：声纹识别 CNN-LSTM网络  语谱图 时序特征  

分 类 号：TP3[计算机类]