基于子频带前端模型和反向特征融合的说话人确认方法.pdfVIP

://

httwww．skx．com

pjj

:/

DOI１０．１１８９６skx．２４０１００２２２

jj

基于子频带前端模型和反向特征融合的说话人确认方法

王萌威杨哲

苏州大学计算机科学与技术学院江苏苏州

２１５００６

()

mwwan＠stu．suda．edu．cn

g

(),

摘要现有说话人确认方法中用于提取帧级特征的时延神经网络存在两个问题一是缺少对局部频率特征的建模

TDNN

,.,

能力二是多层特征融合方式无法对高层和低层特征之间的复杂关系进行有效建模因此提出一种新的前端模型以及一种新

.,,,

的多层特征融合方式在前端模型中通过将输入特征图划分为多个子频带并逐层扩大子频带的频率范围使TDNN可以渐

.,,

进地对局部频率特征进行建模同时在主干模型中新增一条由高层向低层传递的反向路径对相邻两层输出特征之间的关系

,.,,

进行建模并将反向路径中每层的输出拼接后作为融合后的特征此外在主干模型中使用逆瓶颈层的设计进一步提升模型

.,,

的性能在VoxCeleb１测试集上的实验结果表明所提方法与目前的TDNN方法相比等错误率和最小代价检测函数分别降

,.

低了和而参数量仅为目前方法的

９％１４％５２％

:;;;;

关键词声纹识别说话人确认时延神经网络子频带特征提取多层特征融合

中图分类号;

TP１８３TN９１２．３４

SeakerVerificationMethodBasedonSubＧbandFrontＧendModelandInverseFeatureFusion

p

WANGMenweiandYANGZhe

g

,,,,

SchoolofComuterScienceandTechnoloSoochowUniversitSuzhouJiansu２１５００６China

pgyyg