一种基于基频信息的声纹识别方法及装置

1.一种基于基频信息的声纹识别方法，其特征在于，包括：采用自相关法计算目标语音帧的基频；基于傅里叶变换，根据所述基频和所述目标语音帧进行LPCC特征提取，得到LPCC特征序列；基于预设梅尔滤波器组，根据所述基频和所述目标语音帧进行MFCC特征提取，得到MFCC特征序列，所述梅尔滤波器组中的梅尔滤波器包括多个谐波；通过预置声纹识别模型对所述LPCC特征序列和所述MFCC特征序列进行特征识别，得到声纹识别结果；所述基于预设梅尔滤波器组，根据所述基频和所述目标语音帧进行MFCC特征提取，得到MFCC特征序列，所述梅尔滤波器组中的梅尔滤波器包括多个谐波，包括：根据所述基频计算所述目标语音帧中各次谐波的谐波频率，并转换为梅尔频率；根据所述梅尔频率以及梅尔滤波器的通带范围统计所述梅尔滤波器中各次谐波的谐波数量；将各次谐波的所述谐波数量除以谐波总数，得到所述梅尔滤波器的谐波分布系数；将所述谐波分布系数与预置梅尔倒谱系数相乘，得到MFCC特征序列。 2.根据权利要求1所述的基于基频信息的声纹识别方法，其特征在于，所述采用自相关法计算目标语音帧的基频，之前还包括：对获取到的语音帧进行预处理操作，得到目标语音帧，所述预处理操作包括分帧、加窗和预加重。 3.根据权利要求1所述的基于基频信息的声纹识别方法，其特征在于，所述基于傅里叶变换，根据所述基频和所述目标语音帧进行LPCC特征提取，得到LPCC特征序列，包括：采用预设线性预测方法计算所述目标语音帧的线性预测系数，得到线性预测系数序列；对所述线性预测系数序列进行N点傅里叶变换，得到LPCC幅度谱序列；按照所述基频对所述LPCC幅度谱序列进行抽样处理，得到LPCC特征序列。 4.根据权利要求1所述的基于基频信息的声纹识别方法，其特征在于，所述将所述谐波分布系数与预置梅尔倒谱系数相乘，得到MFCC特征序列，之前还包括：采用傅里叶变换法和余弦变换法计算所述目标语音帧的预置梅尔倒谱系数。 5.根据权利要求1所述的基于基频信息的声纹识别方法，其特征在于，所述通过预置声纹识别模型对所述LPCC特征序列和所述MFCC特征序列进行特征识别，得到声纹识别结果，包括：通过预置声纹识别模型对所述LPCC特征序列和所述MFCC特征序列进行特征分析，得到声纹特征序列，每个所述声纹特征序列包括一个对应的得分阈值；计算所述声纹特征序列之间的向量距离，得到比对分数；根据所述比对分数和所述得分阈值进行比对分析，得到声纹识别结果。 6.一种基于基频信息的声纹识别装置，其特征在于，包括：基频提取模块，用于采用自相关法计算目标语音帧的基频；第一特征模块，用于基于傅里叶变换，根据所述基频和所述目标语音帧进行LPCC特征提取，得到LPCC特征序列；第二特征模块，用于基于预设梅尔滤波器组，根据所述基频和所述目标语音帧进行MFCC特征提取，得到MFCC特征序列，所述梅尔滤波器组中的梅尔滤波器包括多个谐波；所述第二特征模块，包括：频率计算子模块，用于根据所述基频计算所述目标语音帧中各次谐波的谐波频率，并转换为梅尔频率；谐波统计子模块，用于根据所述梅尔频率以及梅尔滤波器的通带范围统计所述梅尔滤波器中各次谐波的谐波数量；系数计算子模块，用于将各次谐波的所述谐波数量除以谐波总数，得到所述梅尔滤波器的谐波分布系数；特征提取子模块，用于将所述谐波分布系数与预置梅尔倒谱系数相乘，得到MFCC特征序列；声纹识别模块，用于通过预置声纹识别模型对所述LPCC特征序列和所述MFCC特征序列进行特征识别，得到声纹识别结果。 7.根据权利要求6所述的基于基频信息的声纹识别装置，其特征在于，还包括：预处理模块，用于对获取到的语音帧进行预处理操作，得到目标语音帧，所述预处理操作包括分帧、加窗和预加重。 8.根据权利要求6所述的基于基频信息的声纹识别装置，其特征在于，所述第一特征模块，包括：预测计算子模块，用于采用预设线性预测方法计算所述目标语音帧的线性预测系数，得到线性预测系数序列；傅里叶变换子模块，用于对所述线性预测系数序列进行N点傅里叶变换，得到LPCC幅度谱序列；频谱抽样子模块，用于按照所述基频对所述LPCC幅度谱序列进行抽样处理，得到LPCC特征序列。