声纹识别方法、装置、计算机设备和存储介质与流程

1.本技术涉及信号处理技术领域，特别是涉及一种声纹识别方法、装置、计算机设备和存储介质。

背景技术：

2.带电设备容易出现局部放电的现象，该现象会造成带电设备损毁、停电、财产损失等一系列后果。因此，针对带电设备的日常局放巡检，就成为了带电设备故障筛查的重要步骤。
3.传统技术中，针对带电设备的日常局放巡检，是通过采集声纹信号，识别声纹信号中是否存在局放信号，来判断带电设备是否发生局部放电的现象。然而，发明人发现，传统技术中的声纹信号识别方法的准确性不高。

技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高获取声纹信号中局放信号准确性的声纹识别方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种声纹识别方法。所述方法包括：
6.获取通过麦克风阵列采集的声纹信号；
7.利用训练好的局放信号识别模型，对所述声纹信号进行识别，获得声纹信号识别结果，所述识别结果包括所述声纹信号是否包括局放信号的判断结果；
8.训练获得所述局放信号识别模型的方式，包括：
9.获取第一样本声纹信号，对所述第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；
10.获取第二样本声纹信号，对所述第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；
11.基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练，得到所述训练好的局放信号识别模型。
12.在其中一个实施例中，在所述基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练之前，所述方法还包括：
13.对处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的所述第一样本声纹信号和信号增强处理后的所述第二样本声纹信号。
14.在其中一个实施例中，在所述基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练之前，所述方法还包括：
15.对信号增强处理后的所述第一样本声纹信号和信号增强处理后的所述第二样本声纹信号分别进行相位编码，得到相位编码后的所述第一样本声纹信号和相位编码后的所述第二样本声纹信号。
16.在其中一个实施例中，所述对处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号分别进行信号增强处理，包括：
17.对处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号中的相移信号，分别进行叠加平均处理。
18.在其中一个实施例中，所述对所述第一样本声纹信号进行二次小波变换，包括：
19.通过对所述第一样本声纹信号进行二次小波变换，以从所述第一样本声纹信号中提取出目标频段信号。
20.在其中一个实施例中，所述对所述第二样本声纹信号进行小波包降噪及重构处理，包括：
21.对所述第二样本声纹信号进行小波包分解，得到分解后的所述第二样本声纹信号；
22.根据预设动态阈值对分解后的所述第二样本声纹信号进行筛选，得到筛选后的所述第二样本声纹信号；
23.利用最优小波包基算法对筛选后的所述第二样本声纹信号进行重构处理。
24.第二方面，本技术还提供了一种声纹识别装置。所述装置包括：
25.信号获取模块，用于获取通过麦克风阵列采集的声纹信号；
26.信号识别模块，用于利用训练好的局放信号识别模型，对所述声纹信号进行识别，获得声纹信号识别结果，所述识别结果包括所述声纹信号是否包括局放信号的判断结果；
27.其中，训练获得所述局放信号识别模型的方式，包括：
28.获取第一样本声纹信号，对所述第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；
29.获取第二样本声纹信号，对所述第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；
30.基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练，得到所述训练好的局放信号识别模型。
31.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例中的方法的步骤。
32.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。
33.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。
34.上述声纹识别方法、装置、计算机设备和存储介质，通过获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果；训练获得局放信号识别模型的方式为获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；基于处理后的第一样本声纹信号和处理后的第二样
本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。相对于传统技术中识别采集到的声纹信号未考虑到声纹信号中的干扰噪声导致的局放信号识别不准确而言，本实施例中通过训练好的局放信号识别模型，对声纹信号进行识别，局放信号识别模型中考虑到第一样本声纹信号和第二样本声纹信号，第一样本声纹信号和第二样本声纹信号为在两种场景下采集的不同的声纹信号，并采用不同的方式对该两种声纹信号进行降噪处理，解决了传统技术中因未考虑到声纹信号中的干扰噪声导致的获取声纹信号中局放信号准确性不高的问题。
附图说明
35.图1为本技术实施例中提供的声纹识别方法的应用环境图；
36.图2为本技术实施例中提供的声纹识别方法的流程示意图；
37.图3为一个实施例中训练获得局放信号识别模型的方式的流程示意图；
38.图4为一个实施例中对第二样本声纹信号进行小波包降噪及重构处理的流程示意图；
39.图5为另一个实施例中训练获得局放信号识别模型的方式的流程示意图；
40.图6为又一个实施例中训练获得局放信号识别模型的方式的流程示意图；
41.图7为本技术实施例中提供的一个声纹识别装置的结构框图；
42.图8为本技术实施例中提供的一个计算机设备的内部结构图；
43.图9为本技术实施例中提供的另一个计算机设备的内部结构图。
具体实施方式
44.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
45.本技术实施例提供的声纹识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。通过终端102获取通过麦克风阵列采集的声纹信号；将采集到的声纹信号上传至服务器104中利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果。其中，终端102可以但不限于是接触式设备、便携式设备、在线监测设备、无人机挂载设备。服务器104可以用独立的服务器或者是多个服务器组成的服务器集来实现。
46.在本技术实施例提供的声纹识别方法也可以应用于终端设备。终端设备获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果。
47.该声纹识别方法也可以应用于服务器，服务器获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果。其中，服务器可以从终端设备获得该声纹信号，也可以通过其它方式，例如从数据库或者其他服务器中获得该声纹信号。
48.图2为本技术的一个实施例中提供的声纹识别方法的流程示意图，以该方法应用
于终端设备或服务器为例进行说明，其包括以下步骤：
49.s201，获取通过麦克风阵列采集的声纹信号。
50.其中，麦克风阵列指的是由至少一个的声学传感器(一般为麦克风)组成，用来对声纹信号进行采集的系统。
51.s202，利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果。
52.其中，训练获得局放信号识别模型的方式的流程示意图，如图3所示，包括以下内容：
53.s301，获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号。
54.其中，第一样本声纹信号是指通过麦克风阵列采集的，并且需在边缘端设备中进行处理，没有后台计算机支撑处理的信号。边缘端设备可以是接触式设备、便携式设备、在线监测设备、无人机挂载设备。
55.在本实施例中，对第一样本声纹信号进行二次小波变换，包括：
56.通过对第一样本声纹信号进行二次小波变换，以从第一样本声纹信号中提取出目标频段信号。
57.在本实施例中，在声纹信号和噪声信号的主要能量分布不一致的情况下，能有效提取声纹信号中的主要特征，排除噪声信号干扰，同时保证时效性。
58.s302，获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号。
59.其中，第二样本声纹信号是指通过麦克风阵列采集的，通过后台计算机进行处理的信号。
60.在本实施例中，对第二样本声纹信号进行小波包降噪及重构处理的流程示意图，如图4所示，上述的s302包括以下内容：
61.s3021，对第二样本声纹信号进行小波包分解，得到分解后的第二样本声纹信号。
62.其中，小波包可将第二样本声纹信号进行多层级分解，且各层均保留了信号的全部信息，减少了在信号处理过程中包含的有效信息的损耗。
63.s3022，根据预设动态阈值对分解后的第二样本声纹信号进行筛选，得到筛选后的第二样本声纹信号。
64.在本实施例中，通过预设动态阈值可对分解后的第二样本声纹信号中每个节点的小波包系数进行筛选。
65.s3023，利用最优小波包基算法对筛选后的第二样本声纹信号进行重构处理。
66.在本实施例中，对第二样本声纹信号进行小波包降噪及重构处理的过程中保留了声纹信号在各个频段上的特征，且在声纹信号重构时具有较大的灵活性，可有效提升声纹信号的信噪比并突出主要特征。
67.s303，基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
68.本实施例提供的声纹识别方法，通过获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括
声纹信号是否包括局放信号的判断结果；训练获得局放信号识别模型的方式为获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。相对于传统技术中识别采集到的声纹信号未考虑到声纹信号中的干扰噪声导致的局放信号识别不准确而言，本实施例中通过训练好的局放信号识别模型，对声纹信号进行识别，局放信号识别模型中考虑到第一样本声纹信号和第二样本声纹信号，第一样本声纹信号和第二样本声纹信号为在两种场景下采集的不同的声纹信号，并采用不同的方式对该两种声纹信号进行降噪处理，解决了传统技术中因未考虑到声纹信号中的干扰噪声导致的获取声纹信号中局放信号准确性不高的问题。
69.如图5所示，图5为另一个实施例中训练获得局放信号识别模型的方式的流程示意图，在该实施例中，在上述图3所示实施例的基础上，上述步骤s303之前包括步骤s3031和步骤s3032。该实施例包括以下内容：
70.s3031，对处理后的第一样本声纹信号和处理后的第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号。
71.在本实施例中，对处理后的第一样本声纹信号和处理后的第二样本声纹信号分别进行信号增强处理，包括：
72.对处理后的第一样本声纹信号和处理后的第二样本声纹信号中的相移信号，分别进行叠加平均处理。
73.在本实施例中，对处理后的第一样本声纹信号和处理后的第二样本声纹信号中的相移信号进行叠加平均，可以抑制声纹信号中的环境音噪声信号。
74.s3032，基于信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
75.如图6所示，图6为又一个实施例中训练获得局放信号识别模型的方式的流程示意图，在该实施例中，在上述图5所示实施例的基础上，上述步骤s3032之前包括步骤s30321和步骤s30322。该实施例包括以下内容：
76.s30321，对信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号分别进行相位编码，得到相位编码后的第一样本声纹信号和相位编码后的第二样本声纹信号。
77.在本实施例中，对声纹信号进行相位编码的过程进行举例说明：
78.假设声纹信号为x＝[a,b,c,d,e]，首先求解声纹信号对应的相位编码，如下式(1)所示；
[0079][0080]
其中，pe1、pe2、pe3、pe4、pe5为相位编码，w1、w2、w3、w4、w5为权重项，是可训练的参数，b1、b2、b3、b4、b5为偏置项，是可训练的参数，i为声纹信号索引，t为一个周期含有的离散声纹信号长度，n为声纹信号所处的整周期数；
[0081]
将相位编码与x进行一一相加，如下式(2)所示；
[0082][0083]
其中，y为相位编码后的声纹信号。
[0084]
s30322，基于相位编码后的第一样本声纹信号和相位编码后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
[0085]
其中，待训练的局放信号识别模型可以是lstm网络模型。
[0086]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0087]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的声纹识别方法的声纹识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个声纹识别装置实施例中的具体限定可以参见上文中对于声纹识别方法的限定，在此不再赘述。
[0088]
参见图7，图7为本技术实施例中提供的一种声纹识别装置的结构框图，该装置700包括：信号获取模块701、信号识别模块702和模型训练模块703，其中：
[0089]
信号获取模块701，用于获取通过麦克风阵列采集的声纹信号；
[0090]
信号识别模块702，用于利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果；
[0091]
模型训练模块703，用于训练获得局放信号识别模型；
[0092]
其中，该模型训练模块703包括第一样本处理单元、第二样本处理单元和模型训练单元；
[0093]
第一样本处理单元，用于获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；
[0094]
第二样本处理单元，用于获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；
[0095]
模型训练单元，用于基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
[0096]
本实施例提供的声纹识别装置，通过获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果；训练获得局放信号识别模型的方式为获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。相对于传统技术中识别采集到的声纹信号未考虑到声纹信号中的干扰噪声导致的局放信号识别不准确而言，本实施例中通过训练好的局放信号识别模型，对声纹信号进行识别，局放信号识别模型中考虑到第一样本声纹信号和第二样本声纹信号，第一样本声纹信号和第二样本声纹信号为在两种场景下采集的不同的声纹信号，并采用不同的方式对该两种声纹信号进行降噪处理，解决了传统技术中因未考虑到声纹信号中的干扰噪声导致的获取声纹信号中局放信号准确性不高的问题。
[0097]
可选的，该装置700还包括：
[0098]
信号增强模块，用于对处理后的第一样本声纹信号和处理后的第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号。
[0099]
可选的，该装置700还包括：
[0100]
相位编码模块，用于对信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号分别进行相位编码，得到相位编码后的第一样本声纹信号和相位编码后的第二样本声纹信号。
[0101]
可选的，信号增强模块包括：
[0102]
信号增强单元，用于对处理后的第一样本声纹信号和处理后的第二样本声纹信号中的相移信号，分别进行叠加平均处理。
[0103]
可选的，第一样本处理单元包括：
[0104]
第一样本处理子单元，用于通过对第一样本声纹信号进行二次小波变换，以从第一样本声纹信号中提取出目标频段信号。
[0105]
可选的，第二样本处理单元包括：
[0106]
信号分解子单元，用于对第二样本声纹信号进行小波包分解，得到分解后的第二样本声纹信号；
[0107]
信号筛选子单元，用于根据预设动态阈值对分解后的第二样本声纹信号进行筛选，得到筛选后的第二样本声纹信号；
[0108]
信号重构子单元，用于利用最优小波包基算法对筛选后的第二样本声纹信号进行重构处理。
[0109]
上述声纹识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0110]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储声纹信号、识别结果数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种声纹识别方法。
[0111]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种声纹识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0112]
本领域技术人员可以理解，图8和图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0113]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例提供的声纹识别方法的步骤：
[0114]
获取通过麦克风阵列采集的声纹信号；
[0115]
利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果；
[0116]
训练获得局放信号识别模型的方式，包括：
[0117]
获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；
[0118]
获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得
处理后的第二样本声纹信号；
[0119]
基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
[0120]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0121]
对处理后的第一样本声纹信号和处理后的第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号。
[0122]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0123]
对信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号分别进行相位编码，得到相位编码后的第一样本声纹信号和相位编码后的第二样本声纹信号。
[0124]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0125]
对处理后的第一样本声纹信号和处理后的第二样本声纹信号中的相移信号，分别进行叠加平均处理。
[0126]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0127]
通过对第一样本声纹信号进行二次小波变换，以从第一样本声纹信号中提取出目标频段信号。
[0128]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0129]
对第二样本声纹信号进行小波包分解，得到分解后的第二样本声纹信号；
[0130]
根据预设动态阈值对分解后的第二样本声纹信号进行筛选，得到筛选后的第二样本声纹信号；
[0131]
利用最优小波包基算法对筛选后的第二样本声纹信号进行重构处理。
[0132]
上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0133]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的声纹信号识别方法的步骤：
[0134]
获取通过麦克风阵列采集的声纹信号；
[0135]
利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果；
[0136]
训练获得局放信号识别模型的方式，包括：
[0137]
获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；
[0138]
获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；
[0139]
基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
[0140]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0141]
对处理后的第一样本声纹信号和处理后的第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号。
[0142]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0143]
对信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号
分别进行相位编码，得到相位编码后的第一样本声纹信号和相位编码后的第二样本声纹信号。
[0144]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0145]
对处理后的第一样本声纹信号和处理后的第二样本声纹信号中的相移信号，分别进行叠加平均处理。
[0146]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0147]
通过对第一样本声纹信号进行二次小波变换，以从第一样本声纹信号中提取出目标频段信号。
[0148]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0149]
对第二样本声纹信号进行小波包分解，得到分解后的第二样本声纹信号；
[0150]
根据预设动态阈值对分解后的第二样本声纹信号进行筛选，得到筛选后的第二样本声纹信号；
[0151]
利用最优小波包基算法对筛选后的第二样本声纹信号进行重构处理。
[0152]
上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0153]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的声纹信号识别方法的步骤：
[0154]
获取通过麦克风阵列采集的声纹信号；
[0155]
利用训练好的局放信号识别模型，对声纹信号进行识别，获得声纹信号识别结果，识别结果包括声纹信号是否包括局放信号的判断结果；
[0156]
训练获得局放信号识别模型的方式，包括：
[0157]
获取第一样本声纹信号，对第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；
[0158]
获取第二样本声纹信号，对第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；
[0159]
基于处理后的第一样本声纹信号和处理后的第二样本声纹信号对待训练的局放信号识别模型进行训练，得到训练好的局放信号识别模型。
[0160]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0161]
对处理后的第一样本声纹信号和处理后的第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号。
[0162]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0163]
对信号增强处理后的第一样本声纹信号和信号增强处理后的第二样本声纹信号分别进行相位编码，得到相位编码后的第一样本声纹信号和相位编码后的第二样本声纹信号。
[0164]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0165]
对处理后的第一样本声纹信号和处理后的第二样本声纹信号中的相移信号，分别进行叠加平均处理。
[0166]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0167]
通过对第一样本声纹信号进行二次小波变换，以从第一样本声纹信号中提取出目标频段信号。
[0168]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0169]
对第二样本声纹信号进行小波包分解，得到分解后的第二样本声纹信号；
[0170]
根据预设动态阈值对分解后的第二样本声纹信号进行筛选，得到筛选后的第二样本声纹信号；
[0171]
利用最优小波包基算法对筛选后的第二样本声纹信号进行重构处理。
[0172]
上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0173]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0174]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0175]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：

1.一种声纹识别方法，其特征在于，所述方法包括：获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对所述声纹信号进行识别，获得声纹信号识别结果，所述识别结果包括所述声纹信号是否包括局放信号的判断结果；训练获得所述局放信号识别模型的方式，包括：获取第一样本声纹信号，对所述第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；获取第二样本声纹信号，对所述第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练，得到所述训练好的局放信号识别模型。2.根据权利要求1所述的方法，其特征在于，在所述基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练之前，所述方法还包括：对处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号分别进行信号增强处理，得到信号增强处理后的所述第一样本声纹信号和信号增强处理后的所述第二样本声纹信号。3.根据权利要求2所述的方法，其特征在于，在所述基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练之前，所述方法还包括：对信号增强处理后的所述第一样本声纹信号和信号增强处理后的所述第二样本声纹信号分别进行相位编码，得到相位编码后的所述第一样本声纹信号和相位编码后的所述第二样本声纹信号。4.根据权利要求2或3所述的方法，其特征在于，所述对处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号分别进行信号增强处理，包括：对处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号中的相移信号，分别进行叠加平均处理。5.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述第一样本声纹信号进行二次小波变换，包括：通过对所述第一样本声纹信号进行二次小波变换，以从所述第一样本声纹信号中提取出目标频段信号。6.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述第二样本声纹信号进行小波包降噪及重构处理，包括：对所述第二样本声纹信号进行小波包分解，得到分解后的所述第二样本声纹信号；根据预设动态阈值对分解后的所述第二样本声纹信号进行筛选，得到筛选后的所述第二样本声纹信号；利用最优小波包基算法对筛选后的所述第二样本声纹信号进行重构处理。7.一种声纹识别装置，其特征在于，所述装置包括：信号获取模块，用于获取通过麦克风阵列采集的声纹信号；
信号识别模块，用于利用训练好的局放信号识别模型，对所述声纹信号进行识别，获得声纹信号识别结果，所述识别结果包括所述声纹信号是否包括局放信号的判断结果；其中，训练获得所述局放信号识别模型的方式，包括：获取第一样本声纹信号，对所述第一样本声纹信号进行二次小波变换，获得处理后的第一样本声纹信号；获取第二样本声纹信号，对所述第二样本声纹信号进行小波包降噪及重构处理，获得处理后的第二样本声纹信号；基于处理后的所述第一样本声纹信号和处理后的所述第二样本声纹信号对待训练的局放信号识别模型进行训练，得到所述训练好的局放信号识别模型。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结

本申请涉及一种声纹识别方法、装置、计算机设备和存储介质。所述方法包括：通过获取通过麦克风阵列采集的声纹信号；利用训练好的局放信号识别模型，对所述声纹信号进行识别，获得声纹信号识别结果，所述识别结果包括所述声纹信号是否包括局放信号的判断结果；以及训练获得所述局放信号识别模型的方式。采用本方法能够提高获取声纹信号中局放信号的准确性。能够提高获取声纹信号中局放信号的准确性。能够提高获取声纹信号中局放信号的准确性。