【技术实现步骤摘要】
本专利技术涉及声纹识别，尤其是涉及一种小样本下clahe的声纹网络识别方法、系统及存储介质。
技术介绍
1、作为声纹识别的关键技术一种是特征提取，另一种是模板匹配。由于不同说话人的口腔、发音习惯都不同，因此每个人的声纹特征都不同。所以可以通过提取不同说话人的声纹特征来区分不同说话人。国内外学者就人耳对语音的听觉特性来进行特征提取，到目前为止提取用来表征语音特征的参数主要有：线性预测编码系数(lpc)、线性预测倒谱系数(lpcc)、梅尔频谱倒谱系数(mfcc)等等。其先后的代表人物有bogert、tukey和cooly、hossan、memon和gregory等。后期的特征提取主要集中在对mfcc的改进上。
2、而特征提取后，需要利用技术手段来针对说话人建立声纹模型。其中较为出色的模型如采用多个高斯概率密度函数来表征模型的gmm模型；在gmm的基础上改进为泛化性更好的通用背景模型gmm-ubm模型；身份向量i-vector模型。之后研究人员逐渐将目光转向模板匹配上，其中先后的代表人物有reynold和rose、dehak和kenny等，他们的研究主要有采用多个高斯概率密度函数的高斯混合模型(gmm)、泛化能力更好的通用背景模型(ubm)、可以用来提取语音信息的联合因子分析(jfa)、身份向量(i-vector)。此外，随着深度学习在语音信号处理、图像处理领域的快速发展与应用，近年来，基于神经网络的相关算法逐渐应用于声纹识别领域，并取得了良好效果。对于目标人物语音数量偏少，样本数据不足的情况下，传统的声纹识别模型处理起来
技术实现思路
1、鉴于以上问题，本专利技术提供了一种小样本下clahe的声纹网络识别方法、系统及存储介质，不仅可以弥补说话者样本数量过少，还能改善生成样本质量，而且通过结合efficientnet网络强大的泛化能力实现说话人的精确识别。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：一种小样本下clahe的声纹网络识别方法，所述方法包括：
3、u1.将timit数据集中的语音信号转化为语谱图；
4、u2.对语谱图采用clahe算法进行样本扩充；
5、u3.对样本扩充后的语谱图进行图片裁剪，并将裁剪后的图片进行数据升维，得到数据升维后的语谱图的数据信息；
6、u4.将所述数据升维后的语谱图的数据信息输入efficientnet神经网络模型进行训练和学习，得到训练好的efficientnet神经网络；
7、u5.基于所述训练好的efficientnet神经网络，输入数据升维后的语谱图的数据信息，对声纹进行识别，得到识别后的声纹的数据信息。
8、进一步的，在步骤u1中，所述将timit数据集中的语音信号转化为语谱图包括：
9、u11.对语音信号x(t)分帧处理变成x(m,n)，t表示时间参数，m表示帧的个数，n表示帧长；
10、u12.对x(m,n)进行fft变换，得到频域信号x(m,n)；
11、u13.建立函数y(m,n)＝x(m,n)*x(m,n)t绘制周期图y(m,n)，其中，x(m,n)t表示x(m,n)的转置；
12、u14.取10*log10[y(m,n)]绘制语谱图。
13、进一步的，在步骤u2中，所述采用clahe算法进行样本扩充包括：
14、u21.根据所述语谱图的灰度值计算概率密度函数p(rk)，p(rk)＝nk/n，k＝0,1,2,3,...,l-1，
15、其中，rk表示第k个灰度级，nk表示rk在灰度图中出现的总次数，n表示灰度图的像素总数，l表示灰度级总数；
16、u22.由概率密度函数p(rk)计算累计分布函数sk，并将sk归一化到(0,255]之间，
17、
18、其中，k＝0,1,2,3,...,l-1。
19、进一步的，在步骤u3中，所述对样本扩充后的语谱图进行图片裁剪包括：
20、u31.假设原始语谱图的像素大小为w*h，缩放后图片的像素大小为w*h，在已知原图像素点位置(x,y)的情况下，根据缩放比例，其中，横轴宽x/x＝w/w,纵轴高y/y＝h/h，得到像素点(x,y)处的像素值f(x,y)，
21、f(x,y)＝f(w/w*x,h/h*y)；
22、u32.当像素点(x,y)处的像素值不为整数时，采用最邻近插值算法进行四舍五入取整，改进后的数学模型表示为：
23、f(x,y)＝f([w/w*x],[h/h*y])。
24、进一步的，在步骤u3中，所述将裁剪后的图片进行数据升维为由于efficientnet网络需要输入三个通道的图片数据，而通过clahe处理后的语谱图为单通道的灰度图，此时需要进行升维操作，使得三个通道的数据与第一个通道数据相同，便于后期网络的训练，数据预处理完成。
25、进一步的，在步骤u4中，所述将所述数据升维后的语谱图的数据信息输入efficientnet神经网络模型进行训练和学习包括：
26、u41.基于所述数据升维后的语谱图的数据信息，构建数据升维后的语谱图的数据集；
27、u42.将所述数据升维后的语谱图的数据集按照比例8:2划分为训练集和测试集，并将训练集划分为部分训练集和验证集；
28、u43.将部分训练集输入efficientnet神经网络进行训练和学习，并采用验证集对网络的参数进行修正，得到训练好的efficientnet神经网络。
29、进一步的，所述训练好的efficientnet神经网络的神经元激活函数g为，
30、
31、其中，r为所述部分训练集，α、β和δ为efficientnet神经网络的神经元因子。
32、进一步的，所述训练好的efficientnet神经网络的神经元激活函数g为，
33、
34、其中，r为所述部分训练集，α、β和δ为efficientnet神经网络的神经元因子。
35、进一步的，所述efficientnet神经网络的神经元因子α、β和δ的约束条件为，
36、
37、为了实现上述目的及其他相关目的，本专利技术还提供了一种小样本下clahe的声纹网络识别系统，包括计算机设本文档来自技高网...
【技术保护点】
1.一种小样本下CLAHE的声纹网络识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的小样本下CLAHE的声纹网络识别方法，其特征在于，在步骤U1中，所述将TIMIT数据集中的语音信号转化为语谱图包括：
3.根据权利要求1所述的小样本下CLAHE的声纹网络识别方法，其特征在于，在步骤U2中，所述采用CLAHE算法进行样本扩充包括：
4.根据权利要求1所述的小样本下CLAHE的声纹网络识别方法，其特征在于，在步骤U3中，所述对样本扩充后的语谱图进行图片裁剪包括：
5.根据权利要求1所述的小样本下CLAHE的声纹网络识别方法，其特征在于，在步骤U3中，所述将裁剪后的图片进行数据升维为由于efficientnet网络需要输入三个通道的图片数据，而通过CLAHE处理后的语谱图为单通道的灰度图，此时需要进行升维操作，使得三个通道的数据与第一个通道数据相同，便于后期网络的训练，数据预处理完成。
6.根据权利要求1所述的小样本下CLAHE的声纹网络识别方法，其特征在于，在步骤U4中，所述将所述数据升维后的语谱图的数据信息输
7.根据权利要求6所述的小样本下CLAHE的声纹网络识别方法，其特征在于：所述训练好的efficientnet神经网络的神经元激活函数G为，
8.根据权利要求7所述的小样本下CLAHE的声纹网络识别方法，其特征在于：所述efficientnet神经网络的神经元因子α、β和δ的约束条件为，
9.一种小样本下CLAHE的声纹网络识别系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～8中任意一项所述的小样本下CLAHE的声纹网络识别方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～8中任意一项所述的小样本下CLAHE的声纹网络识别方法的计算机程序。
...【技术特征摘要】
1.一种小样本下clahe的声纹网络识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的小样本下clahe的声纹网络识别方法，其特征在于，在步骤u1中，所述将timit数据集中的语音信号转化为语谱图包括：
3.根据权利要求1所述的小样本下clahe的声纹网络识别方法，其特征在于，在步骤u2中，所述采用clahe算法进行样本扩充包括：
4.根据权利要求1所述的小样本下clahe的声纹网络识别方法，其特征在于，在步骤u3中，所述对样本扩充后的语谱图进行图片裁剪包括：
5.根据权利要求1所述的小样本下clahe的声纹网络识别方法，其特征在于，在步骤u3中，所述将裁剪后的图片进行数据升维为由于efficientnet网络需要输入三个通道的图片数据，而通过clahe处理后的语谱图为单通道的灰度图，此时需要进行升维操作，使得三个通道的数据与第一个通道数据相同，便于后期网络的训练，数据预处理完成。
6....
【专利技术属性】
技术研发人员：付浩，熊迹，冷冰，谢辉，蔡营，罗庚，吴广，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。