科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统说话人辨认任务中相位特征容易被人忽视的情况，对说话人辨认任务提出了结合幅度和相位特性的短时傅里叶变换（Short-Time Fourier Transform,STFT）+基于相位的谱根倒谱系数（Phase-based Spectral Root Cepstral Coefficients,PSRCC）特征融合方案，并且将轻量级卷积神经网络模型MobilenetV3与CA注意力机制融合作为后端分类器。通过5种不同特征选择方案进行说话人辨认对比实验，得到相应准确率。结果表明，所提出的说话人识别模型在开源声纹识别数据集VOXCELEB-1的测试集上取得了83.23%的准确率，该模型在超越VGGVOX基线系统81.82%测试准确率的同时，模型大小和参数量分别减少了75.98%和76.32%。
- 单位
