一种基于融合特征降维的Fca-ProRes2Net说话人识别方法

本发明请求保护一种基于融合特征降维的Fca‑ProRes2Net说话人识别方法，包括步骤：S1，将语音信号进行预处理，得到适合提取说话人特征的语音信号，并将MFCC、GFCC以及它们的动态特征参数构成一种新的混合参数，该特征参数囊括了中高频以及动静态特征；S2，利用2DPCA对特征矩阵降维整合得到MMGFCC；S3，采用多尺度全连接的Res2Net网络来获取更大范围的感受野；S4，在主干网络ProRes2Net中加入频率域通道注意力网络:FcaNet，引入更多的频率分量信息；S5，运用Softmax函数对输出结果进行分类处理，之后使用交叉熵损失函数来寻求最优权重参数，最终得到优化的说话人识别模型。本发明可以有效地提取出表征能力强的特征参数并能高效地识别，提高了识别能力和泛化能力。