基于多粒度时空卷积与Sinc滤波器的轻量化声纹识别研究.pdfVIP

摘要

摘要

随着社会的飞速发展，物联网、智能家居、移动支付和语音助手等技术已经

深入人们的日常生活。对个人安全和财产安全的关注不断提升，推动了生物识别

技术，包括人脸识别、虹膜识别、指纹识别和声纹识别等的广泛应用。在这些技

术中，声纹识别，或称为说话人识别，以其易用性、高准确率、低成本和无接触

的特点备受关注。

鉴于现有技术的不足以及对于声纹识别的技术需求，本研究致力于深入探索

基于深度学习的轻量化声纹识别技术，以实现高精度和轻量级模型。本课题的主

要研究内容包括以下几个方面：

（1）在追求高效且低参数量的应用场景中，微型说话人识别模型存在参数

庞大、声音特征捕捉困难及识别能力不足等问题。为此，本研究提出一种基于多

粒度时空卷积的轻量化模型，模型架构包括多尺度融合模块、通道压缩模块以及

时空注意力机制，旨在提升识别效率与性能。该模型的设计考虑了增强模型对声

音特征捕捉能力的需求，以提升音色识别的准确性和鲁棒性。

（2）在追求高精准度且低参数量的应用型场景中，端到端声纹识别技术面

临参数庞大、难以捕捉声音关键特征以及开集任务识别性能不足等挑战，限制了

其广泛应用。Sinc滤波器在声纹识别领域的应用优势主要体现在其出色的频率

选择性、参数数量的减少、对低频信息的高效捕捉能力以及更快的收敛速度。鉴

于此，本研究提出了一种基于Sinc滤波器的局部时序加强的轻量化说话人识别

模型。该模型融合了局部时序加强模块、时延注意力机制以及多噪音因子损失函

数，以提升模型在各种复杂环境下的识别性能。

（3）本研究在前述成果的基础上，将研究成果整合并应用于实际身份认证

系统之中，开发了SMART声纹识别身份管理系统。该系统在追求高效声纹文件检

索的场景中使用基于多粒度时空卷积的轻量化模型显著提升了检索速度和效率，

同时在追求高精准度身份认证系统中使用基于Sinc滤波器的局部时序加强的轻

量化说话人识别模型实现了系统的高效且准确识别而且识别准确，显著提升了个

I

摘要

人身份管理的性能。通过部署所提出的模型，系统能够深入剖析用户语音样本，

精确捕捉并提取出独特的声纹特征。凭借这一优势，所提出的两个模型分别展现

了出色的身份验证效率和准确性，为用户提供了更为可靠和高效的身份认证体验。

关键词：卷积神经网络；说话人识别；注意力机制；Sinc滤波器；轻量化模型

II

ABSTRACT

ABSTRACT

Withtherapiddevelopmentofsociety,technologiessuchastheInternetof

Things,smarthomes,mobilepayments,andvoiceassistantshavebecomedeeply

integratedintopeoplesdailylives.Theincreasingconcernforpersonalandproperty

securityhasdriventhewidespreadapplicationofbiometrictechnologies,including

facialrecognition,irisrecognition,fingerprintrecognition,andspeakerrecognition.

Amongthesetechnologies,speakerrecognition,alsoknownasspeakeridentification,

hasgarneredsignificantattentionduetoitseaseofuse,highaccuracy,lowcost,and

contactless