专利交易市场

本发明公开一种基于声音诱发脑电信号的说话人识别方法。本发明通过采集脑电数据，提取听觉刺激部分时频特征和时域统计特征的融合特征。采用alpha频段基线校正部分的脑电信号获得的融合特征作为背景模板。将听觉刺激部分融合特征减去背景模板得到干净任务态数据融合特征，最后利用本发明提出的网络模型区分不同说话人。本发明提供了一种可行的基于声音诱发脑电信号的说话人识别方法，并利用训练好的分类器去区分不同说话人，准确率达到90％。

本发明公开一种基于多层次特征融合的短语音说话人识别方法，涉及说话人识别技术领域，其方法包括：通过对包含目标短语音说话人的语音数据进行特征提取预处理，分别提取所述语音数据中的声学特征、韵律特征以及深层特征；通过对所述声学特征、所述韵律特征以及所述深层特征分别进行优化处理，得到优化后的声学特征、优化后的韵律特征以及优化后的深层特征；通过对所述优化后的声学特征、所述优化后的韵律特征以及所述优化后的深层特征进行融合处理，得到融合处理后的多通道特征；将所述融合处理后的多通道特征输入至训练好的深度神经网络模型中得到特征相似度值，并根据所述特征相似度值确定所述语音数据对应的目标短语音说话人。

本发明公开了一种基于自动编码深度置信网络的高质量说话人识别方法，包括模型训练和说话人识别：首先对说话人语音进行预处理，提取MFCC特征参数，为不同说话人特征参数进行标记。将多名说话人特征参数输入深度置信网络进行网络训练学习，得到自动编码深度置信网络。利用训练好的自动编码深度置信网络分别对每个说话人提取的特征参数进行编码重构，输出数据作为矢量量化模型的输入，进行矢量量化模型训练。说话人识别阶段，说话人的语音特征参数经自动编码深度置信网络编码重构，输入矢量量化模型进行识别。通过深度置信网络对说话人语音特征的编码重构，提取说话人个性特征的同时，可以过滤语音中的噪声，提高了说话人识别准确性和系统鲁棒性。