基于深度学习的气体光声光谱增强声纹识别方法与装置

摘要

本发明涉及基于深度学习的气体光声光谱增强声纹识别方法与装置，其方法包括：获取目标特征气体在不同组分和浓度下的多个光声声谱，得到光声声谱数据集；获取光声池在不同声音环境下的噪声，得到噪声数据集；对光声声谱数据集中的每个光声声谱进行分帧，提取每个光声声谱的梅尔频率倒谱系数、波峰、波谱偏度和频谱峰度；根据上述特征、增强噪声数据集中的噪声和目标特征气体的浓度训练循环神经网络并将其用于识别光声声谱对应目标特征气体的浓度。本发明通过光声池的环境噪声数据的增强，提高识别模型的泛化性和鲁棒性，能适用于不同声音环境下的气体光声光谱的声纹识别。