基于频域卷积和三元组损失的端到端声纹识别

作     者：董元菲 王康 DONG Yuan-fei;WANG Kang

作者机构：武汉邮电科学研究院湖北武汉430074 南京烽火天地通信科技有限公司江苏南京210019 

基　　金：国家重点研发计划(2017YFB1400704) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2020年第28卷第13期

页      码：154-159页

摘      要：针对传统i-vector声纹识别模型在背景噪声急剧增加时泛化弱的问题,设计一种能学习丰富频域信息的卷积神经网络,并结合三元组损失构成端到端模型--Triplet-FD-CNN。该模型通过三元组损失约束含有频域卷积的CNN,直接训练特征空间上嵌入间的欧氏距离,使异类距离增大且同类距离缩小;同时拼接相同标签下的不同短语音,以缩小单条语音特征与说话人总体的差异。实验表明,Triplet-FD-CNN模型相对i-vector方法在辨认中的Top-1和Top-5准确率分别提高了45%和28.9%;在确认中的最小检测代价和等错误率分别减少了14%和25.5%。实验验证了Triplet-FD-CNN模型的鲁棒性强,能得到的嵌入类别区分性好。

主 题 词：声纹识别 端到端模型 深度说话人嵌入 三元组损失 卷积神经网络 

学科分类：0711[理学-心理学类] 07[理学] 

D　O　I：10.14022/j.issn1674-6236.2020.13.033

馆 藏 号：203946928...