一种声纹自动识别系统及方法与流程

技术特征：
1.一种声纹自动识别方法，其特征在于，包括以下步骤：步骤一，数据采集模块(1)采集待识别声音信号，将待识别声音信号传输至声纹数据储存单元(5)；步骤二，数据分析模块(2)提取声纹数据储存单元(5)内的待识别声音信号，数据分析模块(2)对待识别声音信号进行mp时域特征提取获取待识别声音信号的时域特征数据，同时数据分析模块(2)通过对待识别声音信号进行mfccs特征提取获取待识别声音信号的频域特征数据，并将所述频域特征数据和时域特征数据进行组合作为待识别声音信号的音频特征数据；步骤三，数据分析模块(2)建立svm模型，将音频特征数据输入svm模型进行分类识别，svm模型输出声音信号的识别结果，数据分析模块(2)将识别结果送入展示模块(3)进行展示。2.根据权利要求1所述的一种声纹自动识别方法，其特征在于，步骤二中数据分析模块(2)在对待识别声音信号进行利用mp时域特征提取获取待识别声音信号的时域特征数据以及mfccs特征提取获取声音片段的时域特征数据前，数据分析模块(2)先对待识别声音信号进行mp稀疏分解重构处理。3.根据权利要求2所述的一种声纹自动识别方法，其特征在于，所述数据分析模块(2)对待识别声音信号进行mp稀疏分解重构的具体步骤为：2.1设置待识别声音信号的稀疏分解参数和分解次数；2.2根据分解参数构建过完备原子库，利用mp匹配追踪算法在过完备原子库中获取与待识别声音信号最匹配的原子；2.3从声音信号中把声音信号在最匹配原子上的分量去除，完成一次分解，然后记录最匹配原子的参数作为本次分解结果；2.4判断是否达到分解次数，若未达到分解次数，则重复执行步骤2.2和步骤2.3的内容，直至达到分解次数；若达到分解次数，则执行步骤2.5；2.5将所有分解得到的最匹配原子进行线性组合，获取待识别声音信号的稀疏分解重构结果。4.根据权利要求1所述的一种声纹自动识别方法，其特征在于，在步骤三中建立svm模型后，数据分析模块(2)调取声音数据库(4)内声音测试样本对svm模型进行训练，数据分析模块(2)在训练过程中通过网格搜索法以及交叉验证法确定svm模型的参数。5.根据权利要求1所述的一种声纹自动识别方法，其特征在于，在步骤二中数据分析模块(2)在提取待识别声音信号后，还对待识别声音信号进行声音片段截取。6.根据权利要求5所述的一种声纹自动识别方法，其特征在于，对待识别声音信号进行声音片段截取后，数据分析模块(2)还对截取获得的待识别声音片段进行分帧以及加汉明窗处理。7.根据权利要求1所述的一种声纹自动识别方法，其特征在于，步骤二中在将所述频域特征数据和时域特征数据进行组合作为音频特征数据前，先对频域特征数据以及时域特征数据进行归一化处理。8.一种声纹自动识别系统，其特征在于，包括数据采集模块(1)、数据分析模块(2)和展示模块(3)，所述数据采集模块(1)与数据分析模块(2)连接，所述数据采集模块(1)用于采
集声音信号，所述数据分析模块(2)用于识别声音信号，所述展示模块(3)与数据分析模块(2)连接，所述展示模块(3)用于展示声音信号识别结果。9.根据权利要求8所述的一种声纹自动识别系统，其特征在于，还包括声音数据库(4)和声纹数据储存单元(5)，所述声音数据库(4)与数据分析模块(2)连接，所述声音数据库(4)用于为数据分析模块(2)训练svm模型提供声音训练样本，所述声纹数据储存单元(5)同时与数据采集模块(1)和数据分析模块(2)连接，所述声纹数据储存单元(5)用于储存数据采集模块(1)采集的声音信号。

技术总结
本发明提供了一种声纹自动识别系统及方法，所述识别系统包括数据采集模块、数据分析模块和展示模块，所述数据采集模块与数据分析模块连接，所述展示模块与数据分析模块连接。所述识别方法具体为采集待识别声音信号，对待识别声音信号进行MP时域特征提取获取待识别声音信号的时域特征数据，同时通过对待识别声音信号进行MFCCs特征提取获取待识别声音信号的频域特征数据，并将所述频域特征数据和时域特征数据进行组合作为待识别声音信号的音频特征数据，然后建立SVM模型，将音频特征数据输入SVM模型进行分类识别，展示模块展示SVM模型的识别结果。本发明提供的声纹自动识别系统及方法能够有效消除环境噪音的干扰，大大提高声音识别的准确性。音识别的准确性。音识别的准确性。


技术研发人员：刘安文 许海峰 王军慧 赵伟苗 江楠 徐雄 陈啸 孙宏航
受保护的技术使用者：国网浙江省电力有限公司绍兴供电公司
技术研发日：2021.06.02
技术公布日：2021/10/8