基于ERes-ECAM的动物声纹识别

声纹识别技术不仅在人类身份验证领域广泛应用,在动物种类识别方面也取得一定进展。现有模型存在特征表达能力不足的问题,同时,在保证性能的前提下,模型的时间复杂度和推理速度有待优化。提出用于发声动物嵌入学习的改进的残差块连接改进的上下文感知掩蔽(Enhanced Res2block connected Enhanced Context Aware Masking, ERes-ECAM)新型架构,采用了稠密连接的时延神经网络(Densely-connected Time Delay Neural Network, D-TDNN)作为骨干,为了解决模糊不相关噪声问题的同时能够提取更多有效的关键信息,在D-TDNN层中采用多粒度池化方法的改进的上下文感知掩蔽(Enhanced Context Aware Masking, ECAM)模块,前端连接残差模块,通过局部特征融合(Local Feature Fusion, LFF)的方式,将残差块内提取的特征进行融合来提取局部信息,提升了声纹验证系统的准确性和鲁棒性。在Anim-Celeb和Pig-Celeb两个测试集中分别实验,实验结果表明,所提架构的等错误率(Equal Error Rate, EER)分别达到6.88%和7.24%,同时,对动物种类和猪只种类识别准确率达到了93.12%和92.76%。

声纹识别的智能门禁系统设计及实现

本文提出的设计是一个应用于住宅小区的智能门禁系统,通过对需要使用门禁的人员进行声纹识别或者密码确认,判断该人员是否符合进入条件并给出门锁的开关动作。系统设计以STM32F103RET6单片机为核心控制模块,结合智能语音识别模块和无线传输模块构成。客户端采集用户声纹信息,服务器端进行声纹认证和信息记录,判别后通过网络发送控制指令来控制门禁状态;管理后台可实时查询门锁状态信息和用户信息;同时支持客户端远程开锁。基于声纹识别的智能门禁系统设置了多种方式的门禁控制,有效提升了用户的友好感,使用方便简洁,具有推广价值。

基于DTW-GMM的光纤传感系统声纹识别方法

为了满足易燃易爆环境的声纹识别需求,设计了直线型萨格奈克干涉光纤声音传感系统,利用维纳滤波算法对语音数据进行了降噪,通过三电平削波法获取了基音周期特征,采用动态时间规整算法筛选了说话人样本,并提取了梅尔频率倒谱系数特征,运用高斯混合模型-期望最大化算法开展了声纹识别实验研究,同时探究了光纤声音传感系统的频率响应特性与声纹特征,研究了采集语音幅值对声纹识别结果的影响。实验结果表明,系统可实现300~3500 Hz频率段的声音信号感知,声音幅值从0.9 V降至0.15 V时最大与次大对数似然值之差由35.5降至10.9,识别结果从成功变为失败。重复性实验表明,在10 km的传感光纤上,距声源2 m位置处,传感系统可对400段时长为3~5 s之间的文本无关语音段实现准确检测,且综合识别准确率为94.75%。本系统有望为易燃易爆环境中的设备故障、应急救援、渗漏监测等领域提供声纹识别的解决方案。

基于改进PNCC-SVM的滚动轴承故障声纹识别方法

针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题,提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients,PNCC)和支持向量机(Support Vector Machine,SVM)的滚动轴承故障声纹识别方法。首先对轴承声信号进行预处理;然后提取改进的PNCC并将其作为特征向量;进而根据SVM算法建立声纹识别模型对轴承故障类型进行识别,并测试所提方法在叠加噪声后的识别准确率。结果表明,改进PNCC具有识别准确率高的特点,在噪声干扰下相比原始PNCC识别准确率均值提高13.35%,鲁棒性更强。研究结果可为滚动轴承的声信号特征提取和故障识别应用提供参考。

声纹识别技术支持下自然保护地鸟类多样性节律特征及监测有效性研究——以黄龙自然保护区为例

生物多样性是人类赖以生存和社会可持续发展的基础,是地球生命共同体的血脉和根基。声纹识别技术正在成为辅助生物多样性监测的重要手段,由于声纹数据采集的特征及计算性生物声学的发展,声学技术在物种鉴别、种群研究、环境成因研究方面正表现出优势。以黄龙自然保护区为例,以指示性物种鸟类的鸣声为对象,通过保护区中较高人为影响(黄龙景区)和较低人为影响(张家沟)这两个区域的被动式监测,采集了6303 min声音数据。通过经典声学指数计算、人工智能物种识别与样线调查相结合的方法,研究得出:(1)人工智能技术下鸟类多样性及鸣声时间分布特征;(2)声纹识别技术较之于传统调查方法更具有效性;(3)声学指数计算对环境的响应程度与有效性辨析。研究试验性地对数据进行了分析阐释,以黄龙自然保护区为例作为方法的探索,为此类保护地保护管理提供借鉴。

生成式与对比式耦合的声纹识别自监督预训练方法

当前,自监督学习技术已成为缓解声纹识别任务有标签训练数据不足问题的主要手段.然而,相关研究目前仅注重学习样本的全局特征,忽略了对样本局部特征的学习.为了解决该问题,本文提出了一种耦合生成式建模和对比式建模的声纹识别自监督框架.该框架不仅保留了对比式建模对所学全局特征的约束,同时引入了生成式建模对所学局部特征的约束,使得特征提取模型学习到更具判别性的特征.基于此框架,本文提出了一种新的声纹识别自监督学习方法DINO-MFM.实验结果表明,DINO-MFM比其他自监督方法具有更好的性能表现,相较于对比式方法DINO,等错率下降了6.4%.

基于深度学习的声纹识别身份验证系统设计

该文设计了一种将声纹识别技术部署于AI推理计算设备上的身份验证系统,主要包含待验证音频采集模块和音频特征向量提取模块等部分。基于RK3568高性能芯片的主控制单元通过音频采集模块进行待验证音频采集,之后将待验证音频进行预处理获取FBank特征谱。预处理后的音频数据将通过ECAPA-TDNN声纹识别模型进行嵌入特征向量提取,从而获得具有辨识度的嵌入特征向量。嵌入特征向量经过在已注册特征数据库中搜寻并计算两者之间的余弦相似度,通过与阈值进行比较,从而获得待验证人员的身份信息。最后,根据预设的身份权限信息,执行相对应的操作。通过实验验证,当余弦相似度阈值设置为0.3时,能够获得很好的验证效果,因此证明了该系统在实际部署的可行性。

基于声纹识别的蒸汽泄漏报警监控系统

蒸汽管道在工业企业中随处可见,并且是相当重要的设备之一。一旦发生蒸汽泄漏,轻则浪费能源,影响生产质量,重则造成安全事故。由于蒸汽管道往往位于工厂隐蔽的位置,一旦泄漏,除了日常巡检,平时很难发现。为了及时发现蒸汽泄漏,研制了1套基于声纹识别的蒸汽泄漏报警监控系统。由于蒸汽管道处于密闭空间,且周围没有其他设备运行,几乎不存在声音干扰问题。通过整列麦克风,利用声源定位算法对气体泄漏频段内的声音进行识别和定位。实验结果表明,通过特定频段和声纹识别,能够有效提高蒸汽泄漏的识别率,实现蒸汽泄漏的自动识别报警。

一种多尺度特征融合TDNN的声纹识别方法

为了有效提高声纹识别的性能,改进了一种时延神经网络(Time Delay Neural Network,TDNN)架构,通过引入多尺度频率通道注意力(Multi-scale Frequency-channel Attention,MFA)以及多尺度通道注意力模块(Multi-scale Channel Attention Module,MS-CAM),从而增强模型对不同尺度特征的学习能力。MFA模块通过引入频率通道关注机制,有针对性地强化关键信息;MS-CAM模块进一步加强了对多尺度信息的融合,能更好地获得局部与全局的特征。结果表明,所使用的模型在声纹识别测试数据集VOXCELEB1的等错误率和最小检测代价函数2项指标分别为0.96和0.064,与基线系统相比下降幅度分别为8.6%和19%。

智能声纹识别技术在电力设备管理工作中的应用

智能声纹识别是一种根据声纹特征识别目标的技术,为电力设备的监测与维护提供了有效的解决方案。基于此,首先分析智能声纹识别技术的原理及优势,其次分析基于智能声纹识别技术的电力设备管理系统的整体架构与应用场景,最后探讨智能声纹识别技术应用于电力设备管理工作存在的问题。

合闸过程监测下的10kV断路器机械故障声纹识别技术

本研究旨在利用声纹识别技术来识别合闸过程中10kV断路器的机械故障声音,为电力系统的维护和故障处理提供有效的手段。通过数据采集与预处理、声纹识别实验设置和性能评估指标的确定,设计了一种适用于该场景的声纹识别模型,并进行了性能评估和结果分析,以供参考。

基于FBank特征与改进CNN的声纹识别研究

在声纹识别研究中,针对声纹信号特征的表征能力不足,模型的识别准确率不高的问题,提出基于CNN卷积神经网络的声纹识别方法,使用能体现更多声音本质的FBank梅尔语谱图特征作为模型的输入;此外,大多数研究为提高识别率而广泛使用多层堆叠的网络结构,使得网络参数量与计算量较大,难以部署到计算资源和存储资源紧缺的边缘智能设备。为此,提出采用分组卷积的方式对CNN标准主干网络结构进行优化,降低网络参数量和计算量;同时为了保证网络模型的识别准确率,采用CBAM注意力机制进一步优化网络,使其关注通道和空间中更有价值的地方。经实验验证,所提方法有较高的声纹识别准确率,且相较于标准CNN,优化后的模型参数量与计算量均有较大程度的减少。

多级特征融合的掩码自编码声纹识别方法

基于AudioMAE的自监督声纹识别具有良好的泛化性且不需要大量标注数据,但在重构原始梅尔频谱图时,AudioMAE仅使用编码器最后一层的输出,而忽略了编码器浅层包含的特征信息。为了解决这个问题,本文提出一种多级特征融合策略,首先将浅层的特征经过投影层与最后一层特征进行对齐,然后使用动态权重策略融合不同层级的特征,最后将融合后的特征送到解码器进行重构。实验的结果显示,本文方法在top1分类准确率上达到了95.95%,在top5分类准确率上达到了98.44%,较原始的AudioMAE分别提升了0.68%和0.24%。

基于人工神经网络的电力变压器声纹识别技术

针对变压器运行状态声纹识别的应用需求以及BP神经网络识别模型准确率较低等问题,提出了一种改进人工神经网络的变压器声纹识别技术。该技术以变压器声纹信号中的MFCC系数作为模型的输入特征向量,在BOA算法中引入动态权重因子和变异因子对BP神经网络权值和阈值进行寻优,开展声纹识别。实验结果表明,利用变压器声纹信号的32维MFCC特征系数可使识别准确率达到90%以上,优化后算法的运算速度比PSO-BP神经网络与BOA-BP神经网络提高了9.24%和8.64%,具有更高的运算效率和识别准确率。

基于分治方法的声纹识别系统模型反演

模型反演越来越引起人们对隐私的关注,它可以从模型中重构私有隐私数据,从而引发更加严重的信息安全问题.针对语音信息安全,首次尝试了一个新的模型反演应用:从声纹识别系统中提取说话人语音的语谱图特征.为了减少反演过程中的复杂度及误差,采用分治法的思想逐层反演,并通过循环一致性的有效监督,成功重构与说话人身份一致的反演样本;另外,由于语音的特殊性,模型特征层已包含丰富的说话人信息,进一步减弱语义信息相似后,改进的方法显著提高了反演样本的识别准确率,表明反演所得语谱图中已含有有效表示说话人身份的信息.实验结果证明了模型反演在语谱图上的可行性,突出了提取此类语音特征信息的深度网络模型所带来的隐私信息泄露风险.

基于声纹识别技术的变压器异常状态自动诊断方法

为使监测主机在变压器设备发生异常运行时能够发出预警,实现对变压器异常状态的精准诊断,设计基于声纹识别技术的变压器异常状态自动诊断方法。按照声纹识别技术应用原理,提取变压器异常运转情况下的时域特征、频域特征与梅尔倒谱特征,根据变压器指标权重的赋值结果,计算频率复杂度参量的取值范围,联合相关变量指标,求解频谱能量分布指数表达式,完成基于声纹识别技术的变压器异常状态自动诊断方法的设计。对比实验结果表明,在上述诊断方法作用下,变压器出现异常运行状态时,电压有效值始终不会超过预设警戒值,二者差值也始终小于5.0V,符合及时预警并精准诊断的实际应用需求。

基于特征融合与注意力机制的鸟类声纹识别方法

鸟类声纹识别技术是一种将经过预处理的多种鸟类声音作为输入,通过网络模型识别出相应鸟类的技术。针对真实环境下鸟类声纹识别中单一音频特征局限和模型学习特征能力不佳问题,文章提出了一种基于特征融合和注意力机制的鸟类声纹识别方法。首先,在特征提取时分别获取梅尔频率倒谱系数和功率正则化倒谱系数,其次利用均值和方差归一化处理将两种特征融合得到新型融合特征参数MPFC;然后,以ResNet-50为主干网络在其残差模块中引入轻量化坐标注意力机制得到改进网络模型—坐标注意力残差网络;最后,将融合特征分别输入到坐标注意力残差网络(residual coordinate attention net, ResCA),ResNet-50、ResNeSt-50、DenseNet-121和EfficientNet-B0并在两个数据集Birdsdata和BirdCLEF上进行对比实验。实验结果表明,融合特征比单一特征有更好的表征能力,能够提高一定识别率,改进网络也具有较好的识别效果。

声纹识别下的电网调度指令自动化校验方法

在校验电网调度指令的过程中,为实现对噪声信号的准确识别,使电力网络保持较为积极的运行状态,提出声纹识别下的电网调度指令自动化校验方法。通过声纹信号筛选结果确定特征参量取值范围,并求解目标源函数,实现对电网调度指令的识别。分别计算降频系数与帧长参量,推导加权降维条件,完成声纹识别下电网调度指令自动化校验方法的设计。实验结果表明,所提算法的噪声信号电压和电流检测结果与真实值的最大差值分别为3.5 V和2.0 A,符合准确识别噪声信号的电网调度指令校验需求。

基于语音声纹识别的手术安全核查软件研发与应用

目的:开发并应用基于语音声纹识别的手术安全核查软件以保障手术安全核查的规范实施。方法:依据手术安全核查要求设计形成该软件并在某三级甲等医院选取于2022年7月―12月实施的不同类型手术600例,随机分为试验组和对照组,比较两组手术安全核查的执行率、核查人员资质相符率及手术中断事件发生率等。同时调查该软件的声纹识别、语音转录功能及可用性评价。结果:使用该软件后试验组手术安全核查执行率、核查人员资质相符率及手术中断事件发生率与对照组比较,差异均有统计学意义(P<0.05)。同时软件的声纹识别及语音转录功能良好,可用性较高。结论:使用该软件进行手术安全核查,可在确保核查人员资质的基础上提高手术安全核查执行的规范性及完整性,保障患者的手术安全。

基于树莓派和声纹识别算法的课堂考勤系统

由于全国各地高校管理模式宽松,学生的自控意识又较为淡薄,导致许多大学生的到课率得不到保障。其中一个较大的影响因素就是目前课堂考勤仍采用传统的点名方式,此方式不仅会耗费课堂时间还极易被他人假冒签到。于是本文提出设计一种新型课堂考勤系统,该系统以树莓派为核心,通过麦克风获取音频信息,通过训练时延神经网络说话人模型(即ECAPA-TDNN模型)来实现声纹识别,最终通过电阻屏完成显示和交互。经测试,发现该系统具有较高的稳定性和实用性,可以提高课堂考勤准确率、节省课堂时间。