深度循環(huán)網絡在移動端說話人識別中的應用.pdf

1、說話人識別，又稱聲紋識別，是根據說話人語音來識別說話人身份的一種技術，屬于當前最熱門的生物特征識別技術之一。和其它生物特征識別相比，只有說話人識別支持遠程認證。隨著智能手機的不斷普及，語音采集變得更加方便，說話人識別的優(yōu)點更加突出。在移動互聯網環(huán)境下，用戶只需要通過手機錄制一小段語音即可完成遠程身份認證，而不需要接觸特殊的設備，因此用戶接受度高。正是因為上述這些優(yōu)勢，說話人識別受到了廣泛的關注與研究。
　　近年來，深度學習在很多領

2、域都取得了顯著的成績。深度學習中的卷積神經網絡（Convolutional Neural Networks，CNN）和循環(huán)神經網絡（Recurrent Neural Networks，RNN）在建模能力上各有所長，CNN擅長圖像特征提取，RNN擅長時序建模。受此啟發(fā)，本文利用CNN和RNN優(yōu)勢互補的能力，將它們結合成一個統(tǒng)一的架構用于說話人辨認任務，本文稱之為 CDRNN模型。該模型首先將說話人的原始語音轉為語譜圖，再利用CNN的結構優(yōu)

3、勢從語譜圖中自動提取說話人的個性特征，最后將CNN提取出來的說話人特征輸入到Deep RNN中完成分類。
　　本文還基于CDRNN模型做了如下工作：
　　（1）為了驗證CDRNN模型用于說話人識別的有效性，本文將CDRNN模型和經典的說話人識別方法在同一個采集自真實環(huán)境中的說話人語音數據集上進行了實驗對比。實驗結果表明，CDRNN模型在不同說話者人數下的識別率均高于經典方法的識別率，因此CDRNN模型的有效性得以驗證。

4、>　?。?）CDRNN中的網絡模型是由CNN和RNN組成的，為了研究CDRNN中的網絡模型在說話人辨認中的性能，本文從說話人特征提取和說話人建模能力兩方面，將 CDRNN中的網絡模型和其它深度網絡模型之間進行了實驗對比。在自建數據集上的實驗結果表明，CDRNN中的網絡模型要好于其它深度網絡模型。
　　（3）本文基于深度學習框架TensorFlow實現了CDRNN中的網絡模型，并將訓練好的網絡模型移植到移動端安卓平臺上，最后實現了一