基于深度学习的多声源并行化声纹辨别方法.pdf

第３２卷第１期 江苏科技大学学报（自然科学版） Ｖｏｌ３２ Ｎｏ１ 　 ２０１８年２月 ＪｏｕｒｎａｌｏｆＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）　 Ｆｅｂ．２０１８ 　　　　　　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３－４８０７．２０１８．０１．０２０ 基于深度学习的多声源并行化声纹辨别方法 刘　镇，吕　超，范远超 （江苏科技大学 计算机科学与工程学院，镇江２１２００３） 摘　要：随着大数据时代的到来，快速而有效地辨别声纹已经成为智能感知领域的重要需求，而传统神经网络和单拾音器 系统的辨别精度不高，样本数据量大，其运算速度严重制约了系统的实时性．文中方法通过拾音阵列获取目标声源的位置 和时频域信息，利用ＧＰＵ并行构造掩蔽函数，实现信号数据级融合，强化目标语音特征，然后将多通道的ＭＦＣＣ（ｍｅｌｆｒｅ ｑｕｅｎｃｙｃｅｐｓｔｒａｌｃｏｅｆｆｉｃｉｅｎｔ）声纹参数进行特征级融合，输入深度信念网络（ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ，ＤＢＮ）进行训练和识别，同时使 用ＣＵＤＡ（ｃｏｍｐｕｔｅｕｎｉｆｉｅｄｄｅｖｉｃｅａｒｃｈｉｔｅｃｔｕｒｅ）平台对ＤＢＮ的训练过程进行了并行优化．该方法能在多声源环境下全面地提 取目标声纹，有效提高声纹辨别准确率，缩短数据训练耗时，保证了系统实时性．该方法为大数据环境下语音信号高性能处 理提供了一种实现方式． 关键词：声纹辨别；拾音阵列；特征融合；深度信念网络；ＣＵＤＡ并行化 中图分类号：ＴＰ３９１４　　　　　文献标志码：Ａ　　　　　文章编号：１６７３－４８０７（２０１８）０１－０１０６－０６ Ｍｕｌｔｉｓｏｕｒｃｅｐａｒａｌｌｅｌｉｚｅｄｖｏｉｃｅｐｒｉｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇ ＬＩＵＺｈｅｎ，ＬＣｈａｏ，ＦＡＮＹｕａｎｃｈａｏ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ２１２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｃｏｍｉｎｇｏｆｔｈｅｅｒａｏｆｂｉｇｄａｔａ，ｔｈｅｄｉｓｔｉｎｇｕｉｓｈｉｎｇｏｆｖｏｉｃｅｐｒｉｎｔｉｎａｑｕｉｃｋａｎｄｅｆｆｅｃｔｉｖｅｗａｙ ｈａｓｂｅｃｏｍｅｔｈｅｉｍｐｏｒｔａｎｔｄｅｍａｎｄｉｎｉｎｔｅｌｌｉｇｅｎｔｐｅｒｃｅｐｔｉｏｎｆｉｅｌｄ．Ｈｏｗｅｖｅｒ，ｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｒａｄｉ ｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｓｉｎｇｌｅｐｉｃｋｕｐｓｙｓｔｅｍｉｓｎｏｔｈｉｇｈｅｎｏｕｇｈ，ａｎｄｔｈｅｓａｍｐｌｅｄａｔａｓｉｚｅｉｓｌａｒｇｅ；ｔｈｅｒｅｆｏｒｅ， ｔｈｅｃａｌｃｕｌａｔｉｏｎｓｐｅｅｄｈａｓｓｅｒｉｏｕｓｌｙｒｅｓｔｒａｉｎｅｄｔｈｅｔｉｍｅｌｉｎｅｓｓｏｆｔｈｅｓｙｓｔｅｍ．Ｂｙｏｂｔａｉｎｉｎｇｔｈｅｌｏｃａｔｉｏｎａｎｄｔｉｍｅｆｒｅ ｑｕｅｎｃｙｄｏｍａｉｎｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｔａｒｇｅｔｅｄｓｏｕｎｄｓｏｕｒｃｅｂｙｐｉｃｋｕｐａｒｒａｙ，ｔｈｉｓｍｅｔｈｏｄｕｔｉｌｉｚｅｓＧＰＵｐａｒａｌｌｅｌ ｓｔｒｕｃｔｕｒｅｓｈｅｌｔｅｒｅｄｆｕｎｃｔｉｏｎｔｏｒｅａｌｉｚｅｔｈｅｄａｔａｌｅｖｅｌｉｎｔｅｇｒａｔｉｏｎｏｆｓｉｇｎａｌ，ｔｏｓｔｒｅｎｇｔｈｅｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔａｒｇｅ ｔｅｄｖｏｉｃｅ，ｔｏｃｏｎｄｕｃｔｆｅａｔｕｒｅｌｅｖｅｌｆｕｓｉｏｎｔｏｍｕｌｔｉｐａｔｈＭＦＣＣｖｏｉｃｅｐｒｉｎｔｐａｒａｍｅｔｅｒｓ，ａｎｄｔｏｉｎｐｕｔｄｅｅｐｂｅｌｉｅｆｎｅｔ ｗｏｒｋ（ＤＢＮ）ｆｏｒｔｒａｉｎｉｎｇａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ａｎｄｕｔｉｌｉｚｅｓＣＵＤＡｐｌａｔｆｏｒｍｔｏｃｏｎｄｕｃｔｐａｒａｌｌｅｌｏｐｔｉｍｉｚａｔｉｏｎｔｏｔｈｅ ｔｒａｉｎｉｎｇｐｒｏｃｅｓｓｏｆＤＢＮ．Ｔｈｉｓｍｅｔｈｏｄｃａｎａｂｓｔｒａｃｔｔａｒｇ