基于深度神经网络和多元损失的说话人识别

来源：电子测量技术杂志2019年第5期北京时间：

作者：关健，王敏

摘要：生物特征识别技术相对于传统密码等方式具有更高的可靠性，而作为生物特征识别技术的重要研究方向之一的声纹识别方法，研究更精确的声纹识别方法具有更高的研究意义。随着深度学习的发展，深度学习应用在声纹识别技术上成为在声纹识别领域研究的重点。提出一种基于深度神经网络和beyond triplet loss相结合的说话人识别方法，模型通过梅尔频率倒谱系数（MFCC）提取MFCC声学特征，对MFCC声学特征提取说话人声纹特征，然后进行多元损失的模型训练。实验结果表明，DNN-BTL算法在说话人识别领域比高斯混合-隐马尔可夫模型（GMM-HMM）具有更好的识别效果。

关键词：多元损失;深度学习;深度神经网络（DNN）;说话人识别;声纹识别