计算机工程与科学

作者：张玉杰, 张赞

单位：（陕西科技大学电气与控制工程学院，陕西 西安710021）

关键词：声纹识别,语谱图,DenseNet,深度可分离卷积,中心损失函数,

基金：陕西省科技计划项目(2020GY-063)；西安市科技计划项目(2020KJRC0002)；西安市未央区科技计划项目(201816)

为了提高声纹识别技术的识别性能，将DenseNet应用于语谱图实现声纹识别，从提高网络的运算效率和增强声纹特征的表征能力2个方面对DenseNet进行优化，提出采用深度可分离卷积来减少网络的参数量，以及增加中心损失函数项来提高声纹特征的表征能力。从训练结果可以看出，通过深度可分离卷积，网络的参数量减少了25.5%，模型大小减少了24.6%；从仿真结果可以看出，中心损失项的增加使声纹特征的聚类效果更加明显，提高了声纹特征的表征能力。因此，改进后的DenseNet在语谱图声纹识别领域取得了好的识别效果。

来源：2022年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第1期